长短记忆网络相关论文
汽轮机运行过程会产生多样且大量数据。为适应大数据驱动及仿真建模对高质量数据的要求，高效的数据清洗十分必要。利用长短记忆层对......
鉴于一次风机的运行状态对于火电机组安全运行具有重要意义，文章提出了一种一次风机状态监测与故障诊断的数据分析方法。采集M电厂......
心音信号的分割与分类研究是心音信号的研究热点。一方面,通过对心音信号的分割可以获得其各个状态的信息,对心脏的健康状况作出初......
随着大数据时代的到来,以人工智能为代表的神经网络模型应用场景将不断增加,训练使用数据也不断丰富。但是高维度的训练数据也对网......
随着大数据、云计算、物联网、智能终端的快速发展,人类的生活、工作方式将彻底改变。然而,各个领域的快速发展也带来了新的安全威......
针对当前房价指数预测精度不高的问题,本文提出了一种基于长短期记忆模型(LSTM)的预测算法.首先,使用灰色关联法筛选房价指数的影......
针对雷达脉内调制识别问题,提出了一种基于短时频谱与自相关特征的识别方法。前端采用短时频谱变化与自相关统计作为特征输入,用以......
为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标......
针对传统单一的LSTM算法在股票预测中存在预测不平衡,容易陷入局部最优值二而导致的预测准确率偏低的问题,提出了一种基于时序集成......
随着人工智能的发展,人们愈发希望计算机能够通过自然语言技术理解人类的语言,像人类一样学习思考,最终代替人类去完成具有认知能......
传统基于“人工特征提取+浅层分类器识别”的联合收割机故障预警方法对专业知识和领域专家经验依赖性较强,逐渐难以满足现代自动化......
随着Web2.0和5G时代的到来,自然语言处理已成为当前大数据研究的核心问题,尤其是网络文本数据的情感分类,被广泛应用于网络推荐、......
随着深度学习的不断发展,应用场景从计算机视觉、医疗诊断到自动驾驶等不断扩展。无人机领域中也逐渐开始使用机器学习对无人机实......
传统的网络异常流量检测方法往往存在特征选择差与泛化能力较弱等缺陷,导致检测精度较低。为此,提出了一种基于长短记忆网络(LSTM)......
构建高精度股市指数预测模型进而设计高效的择时策略是量化投资领域的研究热点.文章在股市指数建模过程中引入自适应噪声完备集合......
摘要：在当今现代化的世界中，人工智能逐渐被应用在各个领域之中，而深度学习就是人工智能的核心算法之一，近些年来也被广泛应用于网络安......
绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)作为牵引变流器失效率较高且最易损器件,对其进行状态监测和故障预......
为提高GPS变形监测在工程应用中的精确度,研究LSTM神经网络在变形监测中的作用。分别利用建立的GM(1,1)模型和LSTM神经网络模型对G......
托辊作为带式输送机重要的部件之一,具有物料的运输与支撑作用,若在运行过程中托辊出现故障会对运输系统产生影响,因此针对托辊异......
当病人同时服用两种或多种药物时,一种药物的功效可能会受到另一种药物的影响,这种现象称为药物相互作用(Drug-Drug Interaction,D......
提出了基于残差网络和注意力机制的LRAM(LSTM with ResNet and attention model)模型,在模型中引入残差模块(ResNet),加快了网络的......
随着移动互联技术、全球定位技术的不断发展,车辆轨迹数据规模不断扩大,移动位置推荐、出行计划制定、城市交通拥堵缓解及道路规划......
在复杂海洋环境航行中,对航迹的准确预测是保障舰船安全、有效航行的重要基础。提出一种基于长短记忆网络模型的舰船航迹预测方法,......
人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融......
人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合......
蛋白质结构的预测在理解蛋白质结构组成和蛋白质的生物学功能有重要意义,而蛋白质二级结构预测是蛋白质结构预测的重要环节。当PSS......
为提高地铁隧道沉降预测的精度,研究长短记忆网络(LSTM网络)在地铁隧道沉降预测中的作用。分别利用反向神经网络(BP神经网络)和LST......
