期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模
被引量：
1
1
作者
朱菊香
谷卫
+2 位作者
罗丹悦
潘斐
张赵良
《中国测试》
CAS
北大核心
2024年第7期53-62,共10页
为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。...
为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。该模型将一维卷积神经网络的特征提取和改进长短期记忆网络学习序列依赖性的能力相结合,得到过去不同时间特征状态对未来PM_(2.5)浓度的影响,可以有效模拟PM_(2.5)在时间和空间上的依赖性,并通过注意力机制自动权衡过去的特征状态,进一步提升PM_(2.5)预测的准确度。实验结果表明:CNN-ILSTM-attention模型的拟合度达到98.5%,与LSTM模型、CNN-LSTM模型和CNN-ILSTM模型相比,分别提高26%、9.2%和6.2%,具有较高的预测精度和应用价值。
展开更多
关键词
卷积神经网络
改进长短期记忆网络
PM_(2.5)浓度预测
注意力机制
在线阅读
下载PDF
职称材料
基于PSO优化BP神经网络的多传感器数据融合
被引量：
21
2
作者
朱菊香
谷卫
+2 位作者
罗丹悦
潘斐
张赵良
《中国测试》
CAS
北大核心
2022年第8期94-100,共7页
针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其...
针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error,MAPE)和拟合度(r^(2))均优于BP神经网络和自适应加权(adaptive weighted,AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。
展开更多
关键词
多传感器数据融合
卡尔曼滤波
环境监测
粒子群
BP神经网络
在线阅读
下载PDF
职称材料
题名
基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模
被引量：
1
1
作者
朱菊香
谷卫
罗丹悦
潘斐
张赵良
机构
无锡学院轨道交通
南京信息工程大学自动化学院
出处
《中国测试》
CAS
北大核心
2024年第7期53-62,共10页
基金
国家自然科学青年基金(51206082)
江苏省自然科学基金(be2015692)
江苏省高等学校自然科学研究项目(21KJB460005)。
文摘
为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。该模型将一维卷积神经网络的特征提取和改进长短期记忆网络学习序列依赖性的能力相结合,得到过去不同时间特征状态对未来PM_(2.5)浓度的影响,可以有效模拟PM_(2.5)在时间和空间上的依赖性,并通过注意力机制自动权衡过去的特征状态,进一步提升PM_(2.5)预测的准确度。实验结果表明:CNN-ILSTM-attention模型的拟合度达到98.5%,与LSTM模型、CNN-LSTM模型和CNN-ILSTM模型相比,分别提高26%、9.2%和6.2%,具有较高的预测精度和应用价值。
关键词
卷积神经网络
改进长短期记忆网络
PM_(2.5)浓度预测
注意力机制
Keywords
convolutional neural network
improved long short-term memory network
PM_(2.5) concentration prediction
attention mechanism
分类号
TB9 [机械工程—测试计量技术及仪器]
TK223 [动力工程及工程热物理—动力机械及工程]
在线阅读
下载PDF
职称材料
题名
基于PSO优化BP神经网络的多传感器数据融合
被引量：
21
2
作者
朱菊香
谷卫
罗丹悦
潘斐
张赵良
机构
无锡学院轨道交通学院
南京信息工程大学自动化学院
出处
《中国测试》
CAS
北大核心
2022年第8期94-100,共7页
基金
江苏省高等学校自然科学研究项目(21KJB460005)
南京信息工程大学滨江学院人才启动经费资助项目(2019r018)
南京信息工程大学滨江学院自然科学类项目(2019bjyng002)。
文摘
针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error,MAPE)和拟合度(r^(2))均优于BP神经网络和自适应加权(adaptive weighted,AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。
关键词
多传感器数据融合
卡尔曼滤波
环境监测
粒子群
BP神经网络
Keywords
multi-sensor data fusion
Kalman filter
environmental monitoring
particle swarm
BP neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模
朱菊香
谷卫
罗丹悦
潘斐
张赵良
《中国测试》
CAS
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于PSO优化BP神经网络的多传感器数据融合
朱菊香
谷卫
罗丹悦
潘斐
张赵良
《中国测试》
CAS
北大核心
2022
21
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
