期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于多时间尺度RNN的时序数据预测 被引量:56
1
作者 李洁 林永峰 《计算机应用与软件》 北大核心 2018年第7期33-37,62,共6页
时间序列数据的预测是很多领域研究的热点问题,但大多数模型都是在单一的时间尺度上进行研究。针对这一问题,基于真实的民航旅客历史出行记录,通过对数据统计处理,对旅客的出行特点以及行为规律进行了深入分析。根据其时序数据的特征建... 时间序列数据的预测是很多领域研究的热点问题,但大多数模型都是在单一的时间尺度上进行研究。针对这一问题,基于真实的民航旅客历史出行记录,通过对数据统计处理,对旅客的出行特点以及行为规律进行了深入分析。根据其时序数据的特征建立基于后向传播算法的循环神经网络(RNN)预测模型,对未来时段的日客流量进行预测。在此基础上考虑到时序数据在不同时间尺度呈现不同的变化规律,建立多时间尺度的预测模型对旅客出行的周期性和趋势性进行建模,提升预测精度。 展开更多
关键词 时间序列数据 预测模型 后向传播算法 循环神经网络 多时间尺度
在线阅读 下载PDF
基于神经网络系统的滚珠丝杠热误差建模 被引量:5
2
作者 靳增锋 王品 《组合机床与自动化加工技术》 北大核心 2012年第1期1-4,7,共5页
在追求高精度加工的现代数控系统中,热误差的消除具有重要的意义。文章首先简述了神经网络系统的特性及训练方法,成功地将神经网络模型应用于对数控机床直线进给系统的热误差进行建模,并取得了预期的成果,使最大预测误差降低到2μm,为... 在追求高精度加工的现代数控系统中,热误差的消除具有重要的意义。文章首先简述了神经网络系统的特性及训练方法,成功地将神经网络模型应用于对数控机床直线进给系统的热误差进行建模,并取得了预期的成果,使最大预测误差降低到2μm,为进一步的热误差补偿奠定了基础。详细阐述了实际建模流程,根据训练数据的具体特征提出了一种新的数据预处理方法,使这些数据能更有效地应用于模型训练,是论文的一个创新点。 展开更多
关键词 热误差 人工神经网络 后向传播算法
在线阅读 下载PDF
基于时序分解的用电负荷分析与预测 被引量:12
3
作者 王旭强 陈艳龙 +1 位作者 杨青 刘红昌 《计算机工程与应用》 CSCD 北大核心 2018年第20期230-236,共7页
在智能电网普及的大数据背景下,对电力数据进行精准的分析和预测对电网规划和经济部门的管理决策具有重要的指导意义,但大多数模型都只是在单一的时间尺度上进行研究。针对这一问题提出一种基于时序分解的后向传播算法的循环神经网络预... 在智能电网普及的大数据背景下,对电力数据进行精准的分析和预测对电网规划和经济部门的管理决策具有重要的指导意义,但大多数模型都只是在单一的时间尺度上进行研究。针对这一问题提出一种基于时序分解的后向传播算法的循环神经网络预测模型。通过对真实的居民用电消费数据以及外部因素数据统计处理,深入地分析了居民用电特点以及行为规律,并根据其数据的特征以及天气、节假日等外部因素对用户用电行为的影响建立预测模型,对用户未来时段的用电量进行预测。此外,考虑到居民用电消费数据的时序特征在不同时间尺度呈现不同的变化规律,通过时序分解建立预测模型来对用户用电行为的周期性和趋势性进行建模,并通过加权融合达到一起训练的效果,具有一定的协同性,提升预测精度。 展开更多
关键词 预测模型 后向传播算法 循环神经网络 时序分解 电力数据
在线阅读 下载PDF
非编码碱基序列文献的挖掘
4
作者 安建福 孟丽莉 《上海交通大学学报(医学版)》 CAS CSCD 北大核心 2013年第10期1343-1347,共5页
目的应用神经网络算法提高非编码碱基序列文献的查全率和查准率。方法从PubMed数据库中选取样本。对样本处理后,应用词频(TF)×逆文档频率(IDF)方法选取特征项,建立基于后向传播(BP)神经网络算法的检索模型。结果在选取100个特征项... 目的应用神经网络算法提高非编码碱基序列文献的查全率和查准率。方法从PubMed数据库中选取样本。对样本处理后,应用词频(TF)×逆文档频率(IDF)方法选取特征项,建立基于后向传播(BP)神经网络算法的检索模型。结果在选取100个特征项时,查准率为91.49%,查全率为71.23%,受试者工作特征曲线下面积(ROC-AUC)为0.823,特异度为93.37%,灵敏度为71.23%,准确率为82.30%。结论该方法与常用的关键词、MeSH词等方法相比,不仅能够查准也能查全与主题相关的文献。 展开更多
关键词 非编码碱基序列 神经网络 后向传播算法 词频X逆文档频率 文献挖掘
在线阅读 下载PDF
基于神经网络的金融市场艾略特波浪识别
5
作者 李音润 欧鸥 《计算机应用与软件》 北大核心 2018年第12期285-292,共8页
艾略特波浪理论作为金融市场的研究工具,描述了股价的结构规律。针对艾略特波浪理论,结合人工智能方法,以时间序列为基础,提出并比较了两种基于人工神经网络的分类器。第一种技术是结合了后向传播学习算法的多层人工神经网络,1 600次迭... 艾略特波浪理论作为金融市场的研究工具,描述了股价的结构规律。针对艾略特波浪理论,结合人工智能方法,以时间序列为基础,提出并比较了两种基于人工神经网络的分类器。第一种技术是结合了后向传播学习算法的多层人工神经网络,1 600次迭代后均方误差小于0. 87。根据传统后向传播网络的缺陷与金融市场的特性,提出第二种改进网络,即与模糊理论相结合的基于缩放共轭梯度算法的人工神经网络。经120次迭代后均方误差小于0. 22,相比于第一种方法,准确率提高74. 7%,收敛速度提高92. 5%。 展开更多
关键词 人工神经网络 模糊神经网络 艾略特波浪理论 后向传播算法 模糊理论 缩放共轭梯度算法
在线阅读 下载PDF
分布式环境下卷积神经网络并行策略研究 被引量:7
6
作者 张任其 李建华 范磊 《计算机工程与应用》 CSCD 北大核心 2017年第8期1-7,14,共8页
卷积神经网络通常使用标准误差逆传播算法进行串行训练,随着数据规模的增长,单机串行训练存在耗时长且占有较多的系统资源的问题。为有效实现海量数据的卷积神经网络训练,提出一种基于MapReduce框架的BP神经网络并行化训练模型。该模型... 卷积神经网络通常使用标准误差逆传播算法进行串行训练,随着数据规模的增长,单机串行训练存在耗时长且占有较多的系统资源的问题。为有效实现海量数据的卷积神经网络训练,提出一种基于MapReduce框架的BP神经网络并行化训练模型。该模型结合了标准误差逆传播算法和累积误差逆传播算法,将大数据集分割成若干个子集,在损失少量准确率的条件下进行并行化处理,并扩展MNIST数据集进行图像识别测试。实验结果表明,该算法对数据规模有较好的适应性,能够提高卷积神经网络的训练效率。 展开更多
关键词 卷积神经网络 后向传播(BP)算法 Hadoop并行策略
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部