检索结果-维普期刊中文期刊服务平台

最小窥视孔长短时记忆模型被引量：6: 1; 作者包志强赵研 +2 位作者胡啸天赵媛媛黄琼丹《计算机工程与设计》北大核心 2020年第1期134-138,共5页; 由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不... 展开更多; 关键词深度学习循环神经网络长短时记忆模型门循环单元模型最小窥视孔长短时记忆模型; 在线阅读下载PDF 职称材料

基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型被引量：1: 2; 作者蔡鑫祥撖奥洋 +2 位作者周生奇魏振张智晟《广东电力》 2021年第3期92-97,共6页; 长短期记忆(long short-term memory,LSTM)模型可以克服循环神经网络(recurrent neural networks,RNN)在短期负荷预测中存在的梯度消失和梯度爆炸等问题,但LSTM模型的门控单元结构复杂,参数较多,模型训练较为困难。为此,提出一种采用改... 展开更多; 关键词短期负荷预测最小窥视孔长短期记忆神经网络粒子群优化算法电力系统循环神经网络; 在线阅读下载PDF 职称材料

基于深度学习的复合材料开孔板拉伸失效行为预测被引量：2: 3; 作者崔翼扬陈普会《南京航空航天大学学报》 CAS CSCD 北大核心 2024年第3期468-477,共10页; 为研究复合材料开孔板在拉伸载荷下的失效行为,基于开孔板的拉伸试验建立了高精度的有限元仿真模型,并批量生成了拉伸载荷-位移曲线的数据集。提出了一种双长短时记忆(Long short-term memory,LSTM)神经网络模型用于预测载荷-位移曲线,... 展开更多; 关键词复合材料开孔板失效行为预测载荷-位移曲线深度学习长短时记忆模型; 在线阅读下载PDF 职称材料

基于多元混沌时间序列PS-LSTM污染物预测模型被引量：2: 4; 作者王圣伟李萍 +2 位作者娄天泷绽玉林李鸿鸿《传感器与微系统》 CSCD 北大核心 2022年第4期117-120,共4页; 应用神经网络算法对环境状况进行研究是当前计算科学的热点。对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求。根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增... 展开更多; 关键词流域生态重金属含量多元混沌相空间相空间-长短期记忆模型窥视孔; 在线阅读下载PDF 职称材料

RF-MIP-LSTM股价预测模型被引量：3: 5; 作者张颖李路《计算机工程与应用》 CSCD 北大核心 2024年第17期272-281,共10页; 长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了... 展开更多; 关键词股价预测随机森林(RF) 长短时记忆(LSTM)神经网络长时窥视孔; 在线阅读下载PDF 职称材料

基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型被引量：8: 6; 作者蔡鑫祥撖奥洋 +2 位作者周生奇菅学辉张智晟《电气工程学报》 CSCD 2022年第1期164-170,共7页; 为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了... 展开更多; 关键词短期负荷预测最小窥视孔长短期记忆神经网络粒子群优化算法电力系统 BAGGING算法; 在线阅读下载PDF 职称材料

题名最小窥视孔长短时记忆模型被引量：6: 1; 作者包志强赵研胡啸天赵媛媛黄琼丹; 机构西安邮电大学通信与信息工程学院; 出处《计算机工程与设计》北大核心 2020年第1期134-138,共5页; 基金陕西省教育厅专项科研计划基金项目(17JK0703) 陕西省重点研发计划基金项目(2018GY-150); 文摘由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不同数据集上,该模型性能高于长短期记忆模型,部分高于门循环单元模型,在参数个数、运行时间方面,其远小于长短期记忆模型以及门循环单元模型。; 关键词深度学习循环神经网络长短时记忆模型门循环单元模型最小窥视孔长短时记忆模型; Keywords deep learning recurrent neural network(RNN) long short-term memory(LSTM) gated recurrent unit(GRU) minimal peephole long short-term memory(MP-LSTM); 分类号 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

题名基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型被引量：1: 2; 作者蔡鑫祥撖奥洋周生奇魏振张智晟; 机构青岛大学电气工程学院国网山东省电力公司青岛供电公司; 出处《广东电力》 2021年第3期92-97,共6页; 基金国网山东省电力公司科技项目(2020A-022)。; 文摘长短期记忆(long short-term memory,LSTM)模型可以克服循环神经网络(recurrent neural networks,RNN)在短期负荷预测中存在的梯度消失和梯度爆炸等问题,但LSTM模型的门控单元结构复杂,参数较多,模型训练较为困难。为此,提出一种采用改进粒子群优化(particle swarm optimization,PSO)算法优化的最小窥视孔长短期记忆(min peephole long short-term memory,MP-LSTM)模型。与经典LSTM模型相比,MP-LSTM模型舍弃了输入门和输出门,只保留遗忘门,模型包括1个sigmoid网络层和1个tanh网络层,减少了模型参数,优化了模型结构。对RNN模型、经典LSTM模型、MP-LSTM模型进行对比仿真分析,结果表明MP-LSTM模型可有效提高负荷预测精度,缩短收敛时间。; 关键词短期负荷预测最小窥视孔长短期记忆神经网络粒子群优化算法电力系统循环神经网络; Keywords short-term load forecast min peephole long short-term memory particle swarm optimization power systems recurrent neural network; 分类号 TM715.1 [电气工程—电力系统及自动化] 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

题名基于深度学习的复合材料开孔板拉伸失效行为预测被引量：2: 3; 作者崔翼扬陈普会; 机构南京航空航天大学航空学院; 出处《南京航空航天大学学报》 CAS CSCD 北大核心 2024年第3期468-477,共10页; 文摘为研究复合材料开孔板在拉伸载荷下的失效行为,基于开孔板的拉伸试验建立了高精度的有限元仿真模型,并批量生成了拉伸载荷-位移曲线的数据集。提出了一种双长短时记忆(Long short-term memory,LSTM)神经网络模型用于预测载荷-位移曲线,其中第1个LSTM模型进行输入特征的提取,第2个LSTM模型直接给出载荷-位移曲线的预测。结果表明:这一模型能够高效、准确地预测开孔板的拉伸载荷-位移曲线,在测试集上的决定系数R2可以达到0.9755,关键特征如初始刚度E0的预测误差仅为1.85%,极限载荷Fmax的预测误差仅为2.16%。; 关键词复合材料开孔板失效行为预测载荷-位移曲线深度学习长短时记忆模型; Keywords composite open-hole plates failure behavior prediction force-displacement curve deep learning long short-term memory(LSTM)model; 分类号 V214.8 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于多元混沌时间序列PS-LSTM污染物预测模型被引量：2: 4; 作者王圣伟李萍娄天泷绽玉林李鸿鸿; 机构西北师范大学计算机科学与工程学院; 出处《传感器与微系统》 CSCD 北大核心 2022年第4期117-120,共4页; 基金国家自然科学基金资助项目(61563047)。; 文摘应用神经网络算法对环境状况进行研究是当前计算科学的热点。对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求。根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增加窥视孔的方式,提出相空间(PS)-LSTM预测模型。选取流域生态系统中重金属污染物作为预测对象,结合温度、日径流等因素共同构建多元混沌相空间,较为真实地还原出流域环境重金属含量实际状态。最后,应用PS-LSTM模型对其进行预测。实验结果表明:改进后的模型能提高类似流域复杂生态系统的预测精度。; 关键词流域生态重金属含量多元混沌相空间相空间-长短期记忆模型窥视孔; Keywords basin ecology heavy metal content multivariate chaotic phase space phase space long short-term memory(PS-LSTM)model peephole; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名RF-MIP-LSTM股价预测模型被引量：3: 5; 作者张颖李路; 机构上海工程技术大学数理与统计学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第17期272-281,共10页; 基金国家自然科学基金(62173222)。; 文摘长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了长时记忆信息传递和模型的稳定性,构建了基于随机森林特征选择的RF-MIP-LSTM模型,并推导了模型的前向与反向传播算法。通过对中国农业银行、盐田港、格力电器三只股票价格和上证指数的预测和比较,表明RF-MIP-LSTM模型的收敛速度和预测精度均优于LSTM模型。; 关键词股价预测随机森林(RF) 长短时记忆(LSTM)神经网络长时窥视孔; Keywords stock price prediction random forest(RF) long short-term memory(LSTM)neural network long peephole; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] F832.51 [经济管理—金融学]; 在线阅读下载PDF 职称材料

题名基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型被引量：8: 6; 作者蔡鑫祥撖奥洋周生奇菅学辉张智晟; 机构青岛大学电气工程学院国网山东省电力公司青岛供电公司; 出处《电气工程学报》 CSCD 2022年第1期164-170,共7页; 基金国家自然科学基金资助项目(51477078)。; 文摘为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了输入门和输出门,只保留遗忘门,模型包括一个sigmoid网络层和一个tanh网络层,减少了模型参数,优化了模型结构。通过将温度进行模糊化处理,减小温度波动对负荷的影响。采用改进Bagging算法对MP-LSTM模型集成处理来提高模型预测的精度。以某地区的实际负荷数据进行算例仿真,并与传统LSTM神经网络预测法、MP-LSTM神经网络法和模糊MP-LSTM神经网络法进行对比,仿真结果表明文中所提模型具有较好的预测精度。; 关键词短期负荷预测最小窥视孔长短期记忆神经网络粒子群优化算法电力系统 BAGGING算法; Keywords Short-term load forecasting MP-LSTM PSO power systems Bagging algorithm; 分类号 TM561 [电气工程—电器]; 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	最小窥视孔长短时记忆模型	包志强赵研胡啸天赵媛媛黄琼丹	《计算机工程与设计》北大核心	2020	6	在线阅读下载PDF 职称材料
2	基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型	蔡鑫祥撖奥洋周生奇魏振张智晟	《广东电力》	2021	1	在线阅读下载PDF 职称材料
3	基于深度学习的复合材料开孔板拉伸失效行为预测	崔翼扬陈普会	《南京航空航天大学学报》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于多元混沌时间序列PS-LSTM污染物预测模型	王圣伟李萍娄天泷绽玉林李鸿鸿	《传感器与微系统》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
5	RF-MIP-LSTM股价预测模型	张颖李路	《计算机工程与应用》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
6	基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型	蔡鑫祥撖奥洋周生奇菅学辉张智晟	《电气工程学报》 CSCD	2022	8	在线阅读下载PDF 职称材料