基于残差双向长短期记忆效应网络模型的电力企业碳排放预测 被引量：4

1

作者 陈齐 许明海 +1 位作者 沈赛燕 郭磊 《环境污染与防治》 CAS CSCD 北大核心 2024年第5期689-693,720,共6页

针对电力企业碳排放核算时间长、连续排放监测系统误差大及传统模型拟合困难等问题,结合电力企业燃料燃烧的特性及现有污染物在线监测结果,成功构建了电力行业碳排放的残差双向长短期记忆效应网络(ResNet-BiLSTM)模型,并以浙江省113家... 针对电力企业碳排放核算时间长、连续排放监测系统误差大及传统模型拟合困难等问题,结合电力企业燃料燃烧的特性及现有污染物在线监测结果,成功构建了电力行业碳排放的残差双向长短期记忆效应网络(ResNet-BiLSTM)模型,并以浙江省113家电力企业的数据为样本进行验证。结果表明:与目前主流数据预测算法逻辑回归(Regression)、循环神经网络(RNN)、反向传播神经网络(BPNN)模型相比,ResNet-BiLSTM模型的平均绝对百分比误差分别低5.7、4.1、2.8百分点,对碳排放量的预测更贴近电力企业核算碳排放波动情况,且预测准确率(96%)最高。ResNet-BiLSTM模型的成功应用不仅为电力企业提供了新的碳排放预测途径,同时为提高相关管理部门的碳排放数据监管效率提供了支持。 展开更多

关键词 残差双向长短期记忆效应网络 模型 碳排放 预测

在线阅读 下载PDF 职称材料

基于情感词典和堆叠残差的双向长短期记忆网络的情感分析 被引量：14

2

作者 罗浩然 杨青 《计算机应用》 CSCD 北大核心 2022年第4期1099-1107,共9页

情感分析作为自然语言处理(NLP)的细分研究方向经历了使用情感词典、机器学习和深度学习分析的发展过程。针对使用一般化的深度学习模型作为文本分类器对于特定领域的网络评论类型的文本的分析的精准度较低,训练时发生过拟合现象以及情... 情感分析作为自然语言处理(NLP)的细分研究方向经历了使用情感词典、机器学习和深度学习分析的发展过程。针对使用一般化的深度学习模型作为文本分类器对于特定领域的网络评论类型的文本的分析的精准度较低,训练时发生过拟合现象以及情感词典覆盖率低、编纂工作量大的问题,提出了基于情感词典和堆叠残差的双向长短期记忆(Bi-LSTM)网络的情感分析模型。首先,借助情感词典中情感词的设计覆盖“教育机器人”研究领域内的专业词汇,从而弥补Bi-LSTM模型在分析此类文本时精准度的不足;然后,使用Bi-LSTM和SnowNLP来降低情感词典的编纂体量。长短期记忆(LSTM)网络的“记忆门”“遗忘门”结构可以在保证充分考虑评论文本中的前后词语的关联性的同时,适时选择遗忘一些已分析词语,从而避免反向传播时的梯度爆炸问题。而在将堆叠残差的Bi-LSTM引入后,不仅使得模型的层数加深至8层,而且还使残差网络避免了叠加LSTM时会导致的“退化”问题;最后,通过适当设置和调整两部分的得分权重,并将总分使用Sigmoid激活函数标准化到[0,1]的区间上,按照[0,0.5],(0.5,1]的区间划分分别表示负面和正面情绪,完成情感分类。实验结果表明,在“教育机器人”评论数据集中,所提模型对于情感分类准确率相较于标准的LSTM模型提升了约4.5个百分点,相较于BERT提升了约2.0个百分点。综上,所提模型将基于情感词典和深度学习模型的情感分类方法一般化;而通过修改情感词典中的情感词汇并适当调整深度学习模型的结构和层数,所提模型可以应用于电子商务平台中各类商品的购物评价的精确情感分析,从而帮助企业洞悉消费者的购物心理和市场需求,同时也可以为消费者提供商品质量的一种参考标准。 展开更多

关键词 双向长短期记忆网络 购物评论 情感分析 堆叠残差 情感词典

在线阅读 下载PDF 职称材料

基于卷积复运算和神经网络的调制识别方法

3

作者 李丽文 鲁进 刘浩 《计算机工程与设计》 北大核心 2025年第8期2211-2218,共8页

针对现有的调制识别研究存在的低信噪比下识别率低、算法的特征单一、缺乏互补信息等问题,提出了基于卷积复运算网络的多融合调制识别方法。提取幅度/相位的复数特征,与同相/正交的互补特征进行融合,送入多层残差网络中对融合特征进行... 针对现有的调制识别研究存在的低信噪比下识别率低、算法的特征单一、缺乏互补信息等问题,提出了基于卷积复运算网络的多融合调制识别方法。提取幅度/相位的复数特征,与同相/正交的互补特征进行融合,送入多层残差网络中对融合特征进行充分挖掘,再由双向长短期记忆网络聚合上下文信息,并设计了通道和空间注意力网络来捕捉关键特征。在RML2018.01a上的实验结果表明,所提方法在信噪比为6 dB时的平均识别率为90.35%,优于其它深度学习方法,改善了高阶QAM调制的混淆情况。 展开更多

关键词 调制识别 深度学习 卷积复运算网络 多融合 残差网络 双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于CNN-BiLSTM和残差注意力的县域水稻产量预测模型 被引量：3

4

作者 梁泽 曹姗姗 +1 位作者 孔繁涛 孙伟 《湖北农业科学》 2024年第8期109-115,共7页

提出一种融合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和残差注意力(RA)机制的县域水稻产量预测模型(CNN-BiLSTM-RA),通过CNN层有效提取县域水稻气象数据中的关键空间特征,利用BiLSTM层深入分析时间序列数据的动态变化,引入RA机... 提出一种融合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和残差注意力(RA)机制的县域水稻产量预测模型(CNN-BiLSTM-RA),通过CNN层有效提取县域水稻气象数据中的关键空间特征,利用BiLSTM层深入分析时间序列数据的动态变化,引入RA机制强化对气象数据中关键特征的识别与捕捉,以2015—2017年广西81个县早稻历史产量和气象数据为样本,与CNN、TRANSFORMER、BiLSTM、CNN-BiLSTM、BiLSTM-RA模型进行对比,评价CNN-BiLSTM-RA模型的预测精度和有效性。结果表明,CNN-BiLSTM-RA模型的R~2、MAE、RMSE和MAPE分别为0.9861、0.1219、0.2248、0.8648,模型的预测值与实际值拟合程度较高。CNN-BiLSTM-RA模型充分发挥了CNN的空间特征提取能力、BiLSTM的时间序列数据分析优势和RA机制在增强关键特征捕捉方面的特性,是一种适用于县域水稻产量高精度预测的新方法。 展开更多

关键词 水稻产量预测 卷积神经网络 双向长短期记忆网络 残差注意力

在线阅读 下载PDF 职称材料

一种新型的船舶动力系统电动机转子故障检测技术

5

作者 张建良 季瑞松 +1 位作者 韩涛 吴越 《实验室研究与探索》 北大核心 2025年第10期12-17,共6页

电动机转子故障严重影响船舶动力系统的稳定运行,为提升故障检测的准确率与实时性,提出一种新型故障检测技术。该方法通过构建以残差神经网络为核心的空间特征提取模块,实现了对单一时刻转子故障空间特征的快速提取,有效提高了检测的实... 电动机转子故障严重影响船舶动力系统的稳定运行,为提升故障检测的准确率与实时性,提出一种新型故障检测技术。该方法通过构建以残差神经网络为核心的空间特征提取模块,实现了对单一时刻转子故障空间特征的快速提取,有效提高了检测的实时性;同时,建立基于双向长短期记忆网络的时序特征提取模块,用于分析故障时序特征长期依赖关系,从而提升检测准确率;并采用贝叶斯优化算法进行超参数优化,进一步增强了故障检测性能。转子故障实验结果表明,与现有主流方法相比,该检测技术具有较好的检测准确率和实时性,为船舶动力系统的故障分析提供有效技术支撑。 展开更多

关键词 船舶动力系统 电动机 转子 故障检测 残差神经网络 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于深度学习融合的卒中患者异常步态识别

6

作者 李晨浩 杨鹏 +3 位作者 冯成龙 张海峰 姜成华 牛文鑫 《医用生物力学》 北大核心 2025年第4期955-962,共8页

目的针对脑卒中患者与健康老年人运动步态个性化差异以及异常步态识别方面的问题,提出一种基于深度学习融合方案,以有效提升异常步态识别的准确性。方法采用融合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(b... 目的针对脑卒中患者与健康老年人运动步态个性化差异以及异常步态识别方面的问题,提出一种基于深度学习融合方案,以有效提升异常步态识别的准确性。方法采用融合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)的模型,并引入残差网络(residual network,ResNet),采集健康老年人和脑卒中患者在舒适范围内的不同步速下单侧踝关节运动数据,将惯性传感器和肌电传感器信号作为模型输入;同时分析并比较两组人群的步态特征差异。通过对比传统深度学习模型以及CNN-ResNet-BiLSTM模型在不同层结构组合下的准确率,验证所提出模型的有效性。结果引入残差连接的CNN-ResNet-BiLSTM模型在异常步态识别中的表现优异,其预测准确率相较于传统的深度学习门控循环单元(gated recurrent unit,GRU)、长短期记忆网络(long short-term memory network,LSTM)模型分别提高了13.6%和8.36%;同时,与其他模型组合相比,该模型的整体准确率达到97.78%。结论本研究提出的算法可以用于脑卒中患者异常步态检测,为疾病的早期诊断和精准监测提供技术支持。 展开更多

关键词 步态识别 脑卒中 双向长短期记忆网络 卷积神经网络 残差连接

在线阅读 下载PDF 职称材料

基于优化卷积自编码器的机床进给轴健康状态监测

7

作者 吴楚杰 崔益铭 +3 位作者 马骋 王强 赵雷鸣 刘阔 《组合机床与自动化加工技术》 北大核心 2025年第5期1-6,共6页

在实际工程应用中,进给轴从健康到故障时间跨度长、运行工况复杂、故障数据获取成本高,导致故障数据与健康数据存在严重的不平衡。而传统数据驱动健康监测方法往往需要大量标签数据,且监测结果依赖于标签的数量和准确性。如何在有限数据... 在实际工程应用中,进给轴从健康到故障时间跨度长、运行工况复杂、故障数据获取成本高,导致故障数据与健康数据存在严重的不平衡。而传统数据驱动健康监测方法往往需要大量标签数据,且监测结果依赖于标签的数量和准确性。如何在有限数据下,进行健康监测是目前面临的一大挑战。针对这一问题提出了一种基于优化卷积自编码器的机床进给轴健康状态监测方法,首先采用小波包对进给轴振动信号与功率信号进行去噪重构,随后对降噪后的振动信号与功率信号进行时域、频域特征提取形成振动功率多源数据集,之后搭建一种基于卷积自编码器(CAE)与双向长短时记忆网络(BiLSTM)相结合的进给轴健康监测网络,同时在网络中融合残差网络(Res)和注意力模块(SENet)提高模型收敛能力与监测准确性。试验表明所提模型可以仅采用健康数据进行训练,实现进给轴健康状态监测,健康状态监测准确率可达97.7%,优于传统CAE模型。 展开更多

关键词 残差网络 注意力机制 双向长短期记忆网络 卷积自编码器 进给轴 健康状态监测

在线阅读 下载PDF 职称材料

基于1DResNet-BiLSTM模型的PPG信号血压检测

8

作者 王天波 李静 《传感器与微系统》 北大核心 2025年第7期81-84,88,共5页

当前采用光电容积脉搏波(PPG)信号进行血压检测的方法存在特征提取复杂且检测精度低等问题。为此,提出一种将一维残差网络(1DResNet)和双向长短期记忆(BiLSTM)网络并联融合的血压检测算法。该算法在1DResNet中嵌入注意力机制模块,以提取... 当前采用光电容积脉搏波(PPG)信号进行血压检测的方法存在特征提取复杂且检测精度低等问题。为此,提出一种将一维残差网络(1DResNet)和双向长短期记忆(BiLSTM)网络并联融合的血压检测算法。该算法在1DResNet中嵌入注意力机制模块,以提取PPG信号的局部波形特征;通过BiLSTM网络提取PPG信号的时间相关特征;然后将所有特征送入全连接层进行处理,建立PPG信号与血压之间的关系。提取公开数据库中的数据,对1DResNet-BiLSTM模型进行验证。结果表明:采用1DResNet-BiLSTM模型得到的收缩压和舒张压的预测误差分别为(2.710±4.274)mmHg和(1.713±2.712)mmHg,优于目前采用的方法,且血压预测结果满足医疗仪器促进协会标准以及英国高血压协会标准的A级标准。 展开更多

关键词 血压检测 光电容积脉搏波 一维残差网络 双向长短期记忆网络

在线阅读 下载PDF 职称材料

强噪声工况下滚动轴承的CDAE-ResBiLSTM故障诊断方法

9

作者 马新娜 李沂阳 +3 位作者 梁秀 刘勤清 汤宇 郑雪鹏 《郑州大学学报(理学版)》 北大核心 2025年第5期69-77,共9页

滚动轴承运行的强噪声环境为数据特征的提取带来难度。针对强噪声工况下的滚动轴承故障诊断的问题,使用残差网络、半软阈值函数、APReLU激活函数和SENet注意力机制构建改进的残差收缩单元(IRSBU),提出了一种卷积降噪自编码器(CDAE)与改... 滚动轴承运行的强噪声环境为数据特征的提取带来难度。针对强噪声工况下的滚动轴承故障诊断的问题,使用残差网络、半软阈值函数、APReLU激活函数和SENet注意力机制构建改进的残差收缩单元(IRSBU),提出了一种卷积降噪自编码器(CDAE)与改进的残差收缩双向长短期记忆网络(ResBiLSTM)相结合的滚动轴承故障诊断方法。首先,对一维原始信号加入高斯噪声来模仿强噪声工况,将加噪数据集输入CDAE中进行特征提取;其次,将编码器编码后隐含层的低维降噪特征输入ResBiLSTM中进行故障诊断;最后,采用凯斯西储大学轴承数据集(CWRU)以及西安交通大学轴承数据集(XJTU-SY)对所提方法进行实验验证。实验结果表明,CDAE-ResBiLSTM模型具有良好的特征提取能力以及抗噪性。 展开更多

关键词 滚动轴承 故障诊断 强噪声工况 卷积降噪自编码器 双向长短期记忆网络 残差收缩单元

在线阅读 下载PDF 职称材料

结合自注意力和残差的BiLSTM_CNN文本分类模型 被引量：21

10

作者 杨兴锐 赵寿为 +2 位作者 张如学 杨兴俊 陶叶辉 《计算机工程与应用》 CSCD 北大核心 2022年第3期172-180,共9页

双向长短期记忆网络(BiLSTM)和卷积神经网络(CNN)很难在文本的多分类任务中提取到足够的文本信息。提出了一种基于自注意力机制(self_attention)和残差网络(ResNet)的BiLSTM_CNN复合模型。通过自注意力赋予卷积运算后信息的权重,接着将... 双向长短期记忆网络(BiLSTM)和卷积神经网络(CNN)很难在文本的多分类任务中提取到足够的文本信息。提出了一种基于自注意力机制(self_attention)和残差网络(ResNet)的BiLSTM_CNN复合模型。通过自注意力赋予卷积运算后信息的权重,接着将池化后的特征信息层归一化并接入残差网络,让模型学习到残差信息,从而进一步提高模型的分类性能。在模型的运算过程中,使用了更加光滑的Mish非线性激活函数代替Relu。通过与深度学习模型对比,所提出的方法在准确率以及F1值评价指标上均优于现有模型,为文本分类问题提供了新的研究思路。 展开更多

关键词 自注意力机制 双向长短期记忆网络 残差网络 卷积神经网络 层归一化

在线阅读 下载PDF 职称材料

基于改进SE-ResNet-BiLSTM的航空发动机中介轴承故障诊断 被引量：2

11

作者 郁万康 冷子文 +1 位作者 高军伟 车鲁阳 《空军工程大学学报》 CSCD 北大核心 2024年第6期35-42,共8页

针对现阶段航空发动机中介轴承振动信号易受噪声干扰,故障特征难提取导致的故障诊断精度较低的问题,提出一种基于改进残差注意力网络和双向长短期记忆神经网络(BiLSTM)的航空发动机中介轴承故障诊断方法。首先,将原始振动信号作为模型输... 针对现阶段航空发动机中介轴承振动信号易受噪声干扰,故障特征难提取导致的故障诊断精度较低的问题,提出一种基于改进残差注意力网络和双向长短期记忆神经网络(BiLSTM)的航空发动机中介轴承故障诊断方法。首先,将原始振动信号作为模型输入,利用一维宽卷积从原始数据中提取局部空间特征并抑制高频噪声;然后,使用结合改进通道注意力的残差网络增强模型对重要特征的关注,减少模型运算量,将处理后的特征输入到BiLSTM中,进一步提取时序相关性特征;最后,将特征输入到Softmax层进行故障分类。使用哈工大航空发动机中介轴承数据集进行实验验证,结果表明,即使在信噪比为-4 dB的高噪声环境,所提模型仍能保持98.64%的诊断精度,优于其他对比模型,证明该模型具有更好的特征提取能力和抗噪性。 展开更多

关键词 航空发动机 中介轴承 故障诊断 残差网络 双向长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于ResNet-Bi-LSTM-Attention的锂离子电池剩余使用寿命预测 被引量：11

12

作者 王朋凯 张新燕 张光昊 《储能科学与技术》 CAS CSCD 北大核心 2023年第4期1215-1222,共8页

锂离子电池剩余使用寿命(RUL)预测是锂离子电池研究的一个重要方向,通过对RUL的准确预测,可以降低锂离子电池出现事故的概率。针对锂离子电池RUL的准确预测,该研究提出一种综合残差神经网络(ResNet)和双向长短期记忆网络(Bi-LSTM)的优势... 锂离子电池剩余使用寿命(RUL)预测是锂离子电池研究的一个重要方向,通过对RUL的准确预测,可以降低锂离子电池出现事故的概率。针对锂离子电池RUL的准确预测,该研究提出一种综合残差神经网络(ResNet)和双向长短期记忆网络(Bi-LSTM)的优势,并且加入注意力机制(Attention)的锂离子电池RUL预测模型。首先选取能够表现电池寿命的特征参数作为输入量,利用ResNet提取输入数据的隐含特征信息,然后利用Bi-LSTM对时间序列信息进行预测,并且结合注意力机制对预测结果进行权重分配,得到最终的锂离子电池的RUL预测结果。通过美国马里兰大学(CALCE)提供的开源数据集进行锂离子电池RUL预测试验,并与现有的预测模型进行对比试验,对比模型的预测结果,试验结果表明提出的ResNet-Bi-LSTM-Attention模型能够准确地进行锂离子电池RUL预测,各项误差都比较低,具有较好的精度和准确性。最后使用美国航空航天局(NASA)提供的锂离子电池开源数据集进行泛化性实验,证明了ResNet-Bi-LSTM-Attention模型在不同电池RUL预测中具有良好的准确性,可以被广泛使用。 展开更多

关键词 锂离子电池 残差神经网络 双向长短期记忆网络 注意力机制 剩余使用寿命预测

在线阅读 下载PDF 职称材料

改进BERT词向量的BiLSTM-Attention文本分类模型 被引量：13

13

作者 杨兴锐 赵寿为 +2 位作者 张如学 陶叶辉 杨兴俊 《传感器与微系统》 CSCD 北大核心 2023年第10期160-164,共5页

在文本的多分类任务中,基于预训练模型的词向量不能很好地学习到文本多样化信息,降低了文本分类任务的准确率。针对该问题,提出了一种基于残差注意力BERT词向量的BiLSTM-Attention文本分类模型。首先,将输入的文本转化为向量特征,利用... 在文本的多分类任务中,基于预训练模型的词向量不能很好地学习到文本多样化信息,降低了文本分类任务的准确率。针对该问题,提出了一种基于残差注意力BERT词向量的BiLSTM-Attention文本分类模型。首先,将输入的文本转化为向量特征,利用残差注意力BERT模型提取更加丰富的语义特征词向量信息。接着,利用BiLSTM模型提取特征的上下文联系信息,将BERT模型“[CLS]”对应的输出与BiLSTM模型的输出进行拼接,对特征信息进行深度融合,从而实现特征有效利用。在THUNews数据集上进行性能评估,实验结果表明:所提模型在准确率和F1值指标上均优于现有深度学习模型的结果,具有更优的分类效果。 展开更多

关键词 预训练模型 词向量 注意力机制 双向长短期记忆网络 残差网络

在线阅读 下载PDF 职称材料

基于自注意力机制与BiLSTM的短文本匹配模型 被引量：7

14

作者 胡怡然 夏芳 《武汉科技大学学报》 CAS 北大核心 2023年第1期75-80,共6页

现有短文本匹配方法更多关注于句子之间的交互方式,而较少考虑短文本自身关键特征的提取,为此本文提出一个融合自注意力机制和双向长短期记忆网络(BiLSTM)的短文本匹配模型。首先利用BiLSTM和自注意力机制进行特征编码,通过残差连接缓... 现有短文本匹配方法更多关注于句子之间的交互方式,而较少考虑短文本自身关键特征的提取,为此本文提出一个融合自注意力机制和双向长短期记忆网络(BiLSTM)的短文本匹配模型。首先利用BiLSTM和自注意力机制进行特征编码,通过残差连接缓解信息丢失问题;然后利用双向注意力网络进行特征交叉,得到考虑了两个短文本之间交互影响的编码形式;最后将自注意力编码与双向注意力编码进行拼接,既能保留句子本身的重要特征,又能得到交互的特征信息。在两个公开数据集Quora和MRPC上进行对比实验,结果表明,该模型能有效改善短文本匹配性能,特别是在Quora数据集上的准确率达到87.59%,明显优于其他6种常见的同类模型。 展开更多

关键词 短文本匹配 双向长短期记忆网络 自注意力机制 双向注意力 残差连接

在线阅读 下载PDF 职称材料

一种并行多尺度特征融合的入侵检测模型 被引量：1

15

作者 李国燕 周相茹 +1 位作者 刘毅 王丽 《火力与指挥控制》 CSCD 北大核心 2022年第11期29-35,共7页

为解决现有入侵检测方法缺乏网络流量动态时空相关性而引起的分类准确率低和误报率高等问题,提出一种并行多尺度特征融合的入侵检测模型(parallel multi-scale feature fusion,PMMF)。该模型将网络流量数据以图像和序列两种形式表示,基... 为解决现有入侵检测方法缺乏网络流量动态时空相关性而引起的分类准确率低和误报率高等问题,提出一种并行多尺度特征融合的入侵检测模型(parallel multi-scale feature fusion,PMMF)。该模型将网络流量数据以图像和序列两种形式表示,基于改进的多尺度残差卷积对流量图像进行空间特征提取和表示,引入BiLSTM模型学习流量序列的时间序列特征,将两个网络结构的输出特征融合再进行分类。在NSL-KDD数据集上测试,实验结果表明,PMMF模型在降低误报率的同时有效地提高了准确率,具有较高的入侵检测性能。 展开更多

关键词 入侵检测 双向长短期神经记忆网络(BiLSTM) 残差卷积 多尺度

在线阅读 下载PDF 职称材料