【摘 要】
：
时间序列流量的预测问题是近年来机器学习的一个热点问题,通过改变长短期记忆网络(LSTM)层数、网络层神经元的个数、网络层之间的连接方式,特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法,该算法是在传统LSTM算法上进行改进的单一模型,模型设计的复杂度低,可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层,同时包含1个全连接层和1个Dropout层,Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函
【机 构】
：
沈阳建筑大学理学院,沈阳,110168;沈阳建筑大学教务处,沈阳,110168
论文部分内容阅读
时间序列流量的预测问题是近年来机器学习的一个热点问题,通过改变长短期记忆网络(LSTM)层数、网络层神经元的个数、网络层之间的连接方式,特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法,该算法是在传统LSTM算法上进行改进的单一模型,模型设计的复杂度低,可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层,同时包含1个全连接层和1个Dropout层,Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函数、relu作为模型的激活函数.实验结果表明,与传统模型相比,该模型具有较好的泛化能力.
其他文献
沼液还田是畜禽养殖粪污消纳的重要方式,但也会增加氮素流失引起的面源污染风险.采用沼液高负荷灌溉土柱试验方法,设计等量一次灌溉(T1)、等量分次灌溉(T2)和等量一次灌溉种植黑麦草(T3)3个处理,以复合肥(CK1)和无肥灌溉(CK2)为对照,持续灌溉78 d,考察土壤氮素积累,同时收集土柱底部的下渗液以监测沼液灌溉后的氮素淋溶情况;采用Illumina MiSeq高通量测序方法分析高负荷沼液灌溉后土壤微生物多样性及群落结构.在沼液灌溉前期3种处理方式均很快表现为氮素在土壤上层(0～20 cm)和中层(>2
采用相转化法制备不锈钢中空纤维载体,系统考察空气间距、芯液流速和纺丝液中水含量等制备条件对多孔不锈钢中空纤维载体微结构及性能的影响.结果 表明,随着空气间距的增加,中空纤维载体海绵层逐渐变薄;随着芯液流速的增加,中空纤维载体截面整体形状逐渐呈规整的圆形载体壁变薄;随着水含量的增加,纺丝液的黏度不断增加,中空纤维载体断面逐渐由典型的“三明治”结构变成双层非对称结构.当空气间距为10 cm、芯液流速为20 mL/min、纺丝液中水质量分数为2％时,其N2渗透性可达1.59× 10-4 mol/(m2·s ·P
钢铝异种金属焊接中,由于钢铝两种材料的热物理性能和化学结晶性能相差较大,导致其焊接性极差.本文通过正交试验确定了钢铝焊接的最佳工艺参数,之后采用最佳工艺参数,研究了添加铜、锌薄片后钢铝电子束焊接性能的变化.结果显示铜的添加对改善钢铝焊接性有比较明显的效果.
在实际工程中,网络化控制系统的采样间隔往往受到不可预知的物理约束,而这会导致噪声采样区间,也就是实际采样区间以一定的概率分布围绕着理想采样周期随机波动.本文研究噪声采样区间下具有随机短时滞的网络化系统镇定问题.首先利用离散时间方法建立一个闭环随机系统模型,但由于采样噪声和时变短时滞都具有随机性,因此,闭环随机系统模型的系统矩阵具有高度非线性和双重随机性.为了解决系统矩阵的高度非线性和双重随机性给镇定控制器设计带来的困难,本文利用汇合范德蒙矩阵方法和克罗内克积运算,计算出与系统矩阵相关的三个矩阵乘积的数学期
本文考虑了一类非线性中立型随机延迟微分方程,其漂移项系数和扩散项系数均是超线性增长的,且中立项满足压缩映射条件.本文建立了这类方程的截断型θ-EM算法,并得到了其收敛率.最后,给出一个例子验证了理论结果.
基于观测器的离散马氏跳变系统(D-MJSs)是随机的,但系统待估计的故障是确定性信号,因此很难直接研究该系统的故障估计问题.针对该问题,本文提出一种构造辅助系统方法,通过对随机变量取期望来构造确定性的中间变量,进而建立的中间估计器可以同时估计系统状态和故障.此外,基于一种新的放缩手段,进一步考虑转移概率矩阵(TPM)不确定的情况.所有条件均以线性矩阵不等式(LMIs)给出,并保证状态误差是输入状态稳定的.数值仿真算例验证了所提方法的有效性和优越性.
针对现实应用场景中短时语音和混叠有噪声情况下声纹识别准确性低的问题,本文设计了一种改进的基于深度学习的声纹识别算法,提高了声纹识别模型在短时语音和带噪环境下的鲁棒性,并将该模型部署到了嵌入式设备中.本文主要对声纹识别算法的编码层和损失函数进行改进.对于编码层,本文使用了基于差分编码的NeXtVLAD技术,同时对帧级特征中的静态声纹特征和动态声纹特征进行建模.对于损失函数,本文将基于小样本学习框架的余弦-原型损失函数cosine-Prototypical与附加间隔分类损失函数AM-Softmax进行融合来训
本文研究了 一类随机分布参数切换系统的输入输出有限时间稳定问题.首先,给出了系统在均方意义下输入输出有限时间稳定的概念.其次,通过利用分片Lyapunov-Krasovskii函数、平均驻留时间及线性矩阵不等式等工具,建立了随机分布参数切换系统输入输出有限时间稳定的充分条件;设计一个状态反馈控制器确保相应的闭环系统输入输出有限时间稳定,并以严格的数学推导加以证明.最后,通过两个仿真例子验证了所得结果的有效性.
本文研究了在静态事件触发条件下的时变时滞随机广义Markov跳变系统的镇定性问题.通过构造Lyapunov-Kra-sovskii泛函,利用Jensen不等式以及自由权矩阵技术,提出了系统在静态事件触发条件下的随机容许性条件;在此基础上,设计状态反馈控制器使得相应的闭环系统满足正则、无脉冲且均方意义下随机容许.最后,通过数值算例验证了本文所提方法的正确性和有效性.
针对随机线性离散时间系统,利用Q学习算法求解无限时域的随机线性二次最优追踪控制(SLQT)问题.首先,假设通过命令生成器生成追踪所需的参考信号,并建立一个由原随机系统和参考轨迹系统组成的增广系统,把最优追踪问题转化为最优调节问题的形式.其次,为了在线求解随机系统的最优追踪问题,将随机系统转为确定性系统,并根据增广系统定义随机线性二次最优追踪控制的Q函数,在无需知道系统模型参数的情况下在线求解增广随机代数方程(GSAE).再次,证明了 Q学习算法和增广随机代数方程的等价性,给出了 Q学习算法实现步骤.最后,