【摘 要】
:
时间序列数据是指具有时序特征的特殊数据对象。一组序列是根据特定的时间间隔,进行一系列采样得到的数据。时间序列数据来源广泛,还具有数据量大、数据维度高、数据结构复杂等特点,这类数据与其他数据相比研究难度更大,也面临着更多的挑战。传统的时间序列特征提取方法通常需要人为设计特征,效率不高且有可能使特征丢失。近年来,基于深度学习的特征提取取得了优秀的成果,通过模型训练能够有效的提取特征,进而实现时间序列的
论文部分内容阅读
时间序列数据是指具有时序特征的特殊数据对象。一组序列是根据特定的时间间隔,进行一系列采样得到的数据。时间序列数据来源广泛,还具有数据量大、数据维度高、数据结构复杂等特点,这类数据与其他数据相比研究难度更大,也面临着更多的挑战。传统的时间序列特征提取方法通常需要人为设计特征,效率不高且有可能使特征丢失。近年来,基于深度学习的特征提取取得了优秀的成果,通过模型训练能够有效的提取特征,进而实现时间序列的预测、分类、聚类等任务。本文在时间卷积网络(TCN)的基础上,首先提出一种带有注意力机制的时间卷积网络,组合因果卷积、空洞卷积、残差连接以及双层注意力机制,通过跳层连接实现对抽象程度不同的特征的提取。在实验中,通过分类任务验证了模型对一维时间序列的特征提取能力。进一步的,针对更复杂的多维时间序列数据,提出一种基于多特征融合的时间卷积网络,考虑到不同变量之间的区别与联系,方法首先单独提取多维时间序列每一个子变量的特征,再利用新颖的注意力机制特征融合方法整合特征,算法的整体过程设计为一个统一的端到端模型。与目前先进的算法相比,本文方法在多个公开数据集上具有更高的分类准确度。最后,将本文方法应用于基于声发射数据的车轴故障检测问题,对比改进前的时间卷积网络,本文方法检测准确率更高,证明了算法对车轴的故障识别能力。本文利用时间卷积神经网络可并行计算、参数共享以及高效的时序记忆能力等优点,通过引入注意力机制等改进方法,增强了时间卷积网络对序列数据的感知和识别能力,提高了模型的性能。
其他文献
鼻咽癌是常见的癌症之一,其治疗手段主要是通过放射治疗杀灭靶区癌细胞。放疗过程中容易危及周边的正常器官组织,因此需要有一定经验的医师通过精准勾画病人计算机断层扫描(CT)图像中的危及器官来制定放射治疗计划。为了提高放疗计划的制定速度,减轻医师的工作负担,本文提出了基于平衡采样和多任务学习的CT图像危及器官分割模型,以实现在CT图像上针对特定器官的自动分割工作。目前现有头颈部危及器官分割方法欠缺通过采
图像去噪作为计算机视觉领域内重要的研究方向之一,在军事、民生等各个领域具有广阔的应用场景。数字图像由于成像系统、传输媒介等因素的影响,在采集、压缩和传输过程中可能被噪声破坏,进而导致图像信息的失真或丢失,使图像质量发生退化。因此,对带噪图像进行降噪处理是十分必要的,图像去噪效果优劣将直接影响到后续处理能否顺利进行。本文以深度卷积网络为基础,提出了基于深度卷积网络的图像去噪算法。为在降噪过程中充分利
国家体育队伍越来越重视将最新的计算机技术与传统的体育项目相结合,以便提高运动员训练和分析水平。目前,在针对排球的体育训练中,仍然主要依赖教练的个人经验,训练成本较高,质量难以保持稳定。对此,国内有体育单位引进DataVolley等专业软件辅助训练,但其需要人工录入复杂的动作记录描述;也有研究机构依靠人体传感器获取运动参数的方法,但其会对运动员的活动造成不便。发球是排球基础且重要的技术动作之一,其动
目的探讨绝经后女性2型糖尿病伴骨质疏松患者骨密度与N-端骨钙素(N-MID)、总Ⅰ型胺原氨基端延长肽(T-P1NP)、G-胶原特殊序列(β-CTX)、胰岛素样生长因子-1(IGF-1)的相关性研究。方法选取2017年3月—2019年8月该院收治的绝经后女性2型糖尿病伴骨质疏松患者321例,根据骨密度水平将其分为3组,分别是:骨量正常组107例、骨量减少组107例及骨质疏松组107例。比较3组一般资
海岸侵蚀是受海水动力冲击影响,形成的岸线后退和海滩下蚀的现象。海岸侵蚀的诱因可分两种:一种是自然原因(河流改道、海面上升和海洋动力作用加强等);另一种是人为原因(拦河坝的建造、大量开采海滩沙和滥伐红树林等)。近年来,经济迅速发展,生态修复工程也日益增多,准确的波浪、砂质海岸侵蚀数值模对工程设计和优化具有重要指导意义。波浪数值模型SWAN和泥沙输运模型XBeach在学术研究中广泛应用。由于模型缺少用
近年来,互联网领域呈现爆炸式的发展,每天都有成千上万的网页数据在不断更新,在每个网页文本中通常蕴藏着数以百计的知识等待着人们去发现挖掘。为了能够有效地将这些信息利用起来,国内外科研人员对此做了大量研究工作。其中,知识图谱构建就是其中最重要和热门的研究方向之一。本文就如何实现完备的医疗知识图谱以及基于该医疗知识图谱实现医疗知识问答等工作展开了分析和研究。本文的主要创新和改进有以下几点:(1)本文发现
本文提出了一种基于解剖学先验知识和计算机视觉方法的综合框架,用于自动定位和分割胎儿脑部超声图像中的“胼胝体和透明隔腔复合体(CC&CSP)”和“小脑蚓部(CV)”。该框架旨在获得胎儿脑部正中矢状面的CC&CSP和CV的面积和位置信息,以协助医生进行产前检查。目前还没有专门解决这个问题的研究,这项研究对人类胚胎的产前诊断有重要的临床意义。本文提出的框架实施如下:首先,从胎儿脑部正中矢状面上手工切割出
近年来,知识图谱在越来越多的领域上得以应用,而知识图谱的构建与完善需要多源知识的融入。不同的知识源对知识的定义有着各自的标准,因此在多源知识融合过程中,存在知识近似冗余或者知识冲突的问题。为消除这种矛盾和歧义,本文设计并完成了基于主动学习的知识融合系统。知识融合需要解决模式层融合和数据层融合两个问题。模式层定义了知识图谱的顶层结构,是图谱的元数据。因为这部分数据规模可控且非常重要,因此使用人工的方
通过时空众包,任务请求者将时空众包任务(与位置和时间相关的众包任务)提交给众包平台,众包服务器将任务分配给一组工作人员,工作人员将通过实际前往任务地点来执行任务。但是,当前的任务分配方案要求工作人员和任务请求者将他们的位置和任务的任务披露给不受信任的时空众包服务器,以有效地将任务分配给工作人员。但是这种信息披露或多或少会导致用户的隐私泄露。人们对于隐私泄露的担忧可能导致他们不愿参与到时空众包中。基
边缘计算作为一种缓解资源拥塞的策略,逐渐发展为满足物联网和本地计算需求的新范式。与传统云计算相比,边缘计算将大量的数据计算或存储迁移到网络边缘,可有效减少边缘或云服务器与用户间的传输延迟,避免网络中的流量高峰。但是,端边云设备自身的安全保障仍然是一个不可忽视的问题,端边设备大多是资源受限的设备,缺乏像云计算设备一样的保护措施,导致端边设备的防御性能更弱、被恶意设备攻击的可能性更高,其分布式特点使得