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
共找到167篇文章
< 1 2 … 9 >
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：
基于孪生长短时神经网络的高速公路机电系统故障预测
1
作者 曹佳宝 彭巍 +2 位作者 杨飞 刘洋 赵恺 《公路工程》 2025年第2期245-250,共6页
对神经网络在高速公路机电系统故障预测中的应用进行了研究。报告了当前基于电力系统参数的故障状态识别研究现状及痛点,阐述了高速公路电力参数监控系统采集数据的对象、类型及处理方法,针对机电系统真实故障样本少的问题,提出了基于... 对神经网络在高速公路机电系统故障预测中的应用进行了研究。报告了当前基于电力系统参数的故障状态识别研究现状及痛点,阐述了高速公路电力参数监控系统采集数据的对象、类型及处理方法,针对机电系统真实故障样本少的问题,提出了基于孪生长短时神经网络(SLSTM)的机电系统故障预测模型,采用窗口时间的采样方法将故障预测问题转变为故障分类问题,并进行了试验验证。试验结果表明,在小样本数据集下,孪生长短时神经网络(SLSTM)相比单一的长短时神经网络(LSTM)对于机电系统故障预测有更好的效果,准确率可以达到92.74%,对机电系统故障预警有重要意义。 展开更多
关键词 高速公路 机电系统 孪生神经网络 长短时神经网络 故障预测
在线阅读 下载PDF
基于长短时神经网络的城市需水量预测应用 被引量：5
2
作者 张薇薇 赵平伟 王景成 《净水技术》 CAS 2019年第A01期257-260,286,共5页
在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历... 在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。 展开更多
关键词 需水量预测 长短时神经网络 Encoder-Decoder
在线阅读 下载PDF
基于长短时神经网络的目标意图识别 被引量：7
3
作者 钱钊 刘钦 +2 位作者 鹿瑶 刘美云 张佳琦 《太赫兹科学与电子信息学报》 2022年第11期1156-1162,共7页
来袭目标意图识别是战场态势认知的重要部分。为充分利用探测到的空中来袭目标运动状态信息的时间相关性来提高意图识别精确度,本文提出一种基于长短时记忆神经网络(LSTM)的敌方空中目标作战意图识别方法。该方法首先利用仿真推演平台根... 来袭目标意图识别是战场态势认知的重要部分。为充分利用探测到的空中来袭目标运动状态信息的时间相关性来提高意图识别精确度,本文提出一种基于长短时记忆神经网络(LSTM)的敌方空中目标作战意图识别方法。该方法首先利用仿真推演平台根据4种常见意图想定推演来袭目标数据,对生成数据进行清洗以及滑窗处理从而得到有效样本集,利用长短时记忆神经网络对生成样本集进行学习形成敌方空中目标作战意图识别模型。实验结果表明,利用长短时记忆神经网络来学习4种常见意图数据的运动及时间相关特征信息,预测准确率最终可达92%,取得了比传统分类器更好的效果。 展开更多
关键词 长短时记忆神经网络 敌方空中目标 意图识别 态势感知
在线阅读 下载PDF
基于长短时记忆神经网络的钢筋混凝土柱滞回曲线预测
4
作者 王旭阳 曾森 《低温建筑技术》 2025年第5期16-20,共5页
文中通过长短时神经网络(Long Short-Term Memory,LSTM)实现钢筋混凝土柱的滞回曲线智能化预测,以提高钢筋混凝土柱滞回曲线预测精度。滞回曲线在抗震减灾中充当着重要角色,目前常用的预测手段包括人工统计公式、机器学习结合人工统计... 文中通过长短时神经网络(Long Short-Term Memory,LSTM)实现钢筋混凝土柱的滞回曲线智能化预测,以提高钢筋混凝土柱滞回曲线预测精度。滞回曲线在抗震减灾中充当着重要角色,目前常用的预测手段包括人工统计公式、机器学习结合人工统计公式法,但这些方法过于依赖人工统计公式、掺杂人为主观选择的因素,对试验造成影响。因此,文中提出一种基于数据驱动的长短时记忆网络,通过网络自动拟合滞回曲线关系。首先,通过广义回归神经网络(Generalized Regression Neural Network,GRNN),对恢复力最大值进行预测,所得平均相对误差为7.12%,为滞回曲线预测提供可靠的数据基础。随后,基于LSTM神经网络预测器建立滞回曲线预测模型,对钢筋混凝土柱滞回曲线进行预测,得到预测的平均相对误差为0.0285。可见,文中提出的长短时记忆神经网络具有较高的预测精度,可以用于滞回曲线的精准与智能化预测。 展开更多
关键词 钢筋混凝土柱 长短时神经网络 滞回曲线 广义回归神经网络
在线阅读 下载PDF
基于长短时记忆神经网络模型的空调能源消耗预测研究
5
作者 王雨薇 任禹丞 +3 位作者 郑杨 胡涵天 吴含青 刘京易 《能源与环保》 2025年第3期205-211,共7页
随着全球气候变化和能源资源的日益紧张,工业园区能耗的管理和优化变得尤为重要。在工业园区能耗中,空调系统所占比例巨大,对其能耗进行准确预测和有效控制具有重要意义。为此,提出了一种基于长短时记忆神经网络模型的空调能耗预测方法... 随着全球气候变化和能源资源的日益紧张,工业园区能耗的管理和优化变得尤为重要。在工业园区能耗中,空调系统所占比例巨大,对其能耗进行准确预测和有效控制具有重要意义。为此,提出了一种基于长短时记忆神经网络模型的空调能耗预测方法,用于实现工业园区中使用不同规则划分的空调节能潜力测算。首先,通过斯皮尔曼相关系数筛选合适的空调能耗指标作为预测模型的输入参数;然后,采用神经网络模型来进行预测,空调的能耗指标包括室内环境参数、室外环境参数、设备运行参数、空调历史能耗数据4部分;最后,使用一个算例验证了所提出的空调能耗预测方法的预测性能。结果表明,该方法不仅对空调系统的长期能耗进行了考虑,而且能够预测其在若干个短期控制步长的能耗,来实现能耗的实时预测与控制。 展开更多
关键词 工业园区空调 能源消耗预测 相关性分析 长短时记忆神经网络
在线阅读 下载PDF
基于长短时记忆神经网络的励磁涌流与故障电流识别方法 被引量：1
6
作者 张国栋 刘凯 +2 位作者 蒲海涛 姚福强 张帅帅 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第5期730-738,共9页
变压器空载合闸时产生励磁涌流导致差动保护误动作的问题至今仍未能被完全解决.针对该问题,提出一种利用长短时记忆(LSTM)神经网络识别励磁涌流与故障电流的方法.首先,在PSCAD软件平台上搭建变压器空载合闸及内部故障仿真模型,通过仿真... 变压器空载合闸时产生励磁涌流导致差动保护误动作的问题至今仍未能被完全解决.针对该问题,提出一种利用长短时记忆(LSTM)神经网络识别励磁涌流与故障电流的方法.首先,在PSCAD软件平台上搭建变压器空载合闸及内部故障仿真模型,通过仿真产生大量三相电流瞬时采样数据作为训练神经网络的样本集;然后,利用Keras平台搭建LSTM神经网络模型并完成训练;最后,利用新的仿真数据和现场故障录波数据对训练好的LSTM神经网络进行测试.结果表明LSTM神经网络可以快速准确地区分各种情况下的励磁涌流和故障电流,从而证实该方法的有效性. 展开更多
关键词 变压器差动保护 长短时记忆神经网络 励磁涌流识别 故障电流识别
在线阅读 下载PDF
基于LSTM神经网络的高校精准资助模型研究
7
作者 柯琳 周俊 夏斌 《佳木斯大学学报(自然科学版)》 2025年第3期148-150,180,共4页
高校学生资助体系是国家教育扶贫的重要组成部分,现阶段对高校贫困生资助过程中存在人为因素干扰、缺少量化手段等问题,影响了教育资助的公平和效益。在对教育精准资助研究现状详细分析基础上,指出人工智能在解决教育资助问题上的新路... 高校学生资助体系是国家教育扶贫的重要组成部分,现阶段对高校贫困生资助过程中存在人为因素干扰、缺少量化手段等问题,影响了教育资助的公平和效益。在对教育精准资助研究现状详细分析基础上,指出人工智能在解决教育资助问题上的新路径。结合LSTM神经网络模型在处理和预测时序数据中的优势,设计和开发了基于LSTM的高校贫困生精准资助模型,研究模型隐层单元数与贫困生资助等级识别率之间的关系以优化模型。实验结果表明当隐层神经元数为120时,对受国家助学金资助的贫困大学生分类识别率最高且达到98.11%。该模型的建立为高校大学生助学资助工作提供了智能量化手段,对于教育扶贫公平和提高贫困大学生资助效益具有重要意义。 展开更多
关键词 高校贫困生 精准资助 长短时记忆神经网络 人工智能
在线阅读 下载PDF
基于长短时记忆神经网络易损性分析的适用性研究 被引量：1
8
作者 王睿 杨建荣 《四川建筑科学研究》 2024年第2期9-15,共7页
桥梁的损坏或失效可能导致严重的人员伤亡和巨大的经济损失。因此,对桥梁的破坏损失和地震性能进行准确的定量评估至关重要。为了实现这一目标,通常会采用构建易损性曲线的方法。易损性曲线表征在给定地震动强度下,桥梁部件或结构达到... 桥梁的损坏或失效可能导致严重的人员伤亡和巨大的经济损失。因此,对桥梁的破坏损失和地震性能进行准确的定量评估至关重要。为了实现这一目标,通常会采用构建易损性曲线的方法。易损性曲线表征在给定地震动强度下,桥梁部件或结构达到或超过某一破坏程度的条件概率。采用桥墩位移延性比作为损伤指标,利用长短时记忆(long short-term memory,简称LSTM)神经网络成功地建立了桥梁地震易损性曲线。研究结果表明,该模型展现了高计算效率和精度,可快速而准确地预测地震作用下桥梁结构构件的损伤指标。 展开更多
关键词 桥梁抗震 地震易损性 长短时记忆神经网络 有限元分析
在线阅读 下载PDF
基于LSTM神经网络的现地烈度实时估算模型——以JMA烈度为例 被引量：1
9
作者 李山有 肖莹 +3 位作者 卢建旗 谢志南 马强 陶冬旺 《世界地震工程》 北大核心 2024年第3期37-45,共9页
如何快速并且准确估计目标场点烈度是地震预警中的关键问题。常用基于衰减关系的场点烈度估计和基于P波信息的现地烈度估计往往存在大震烈度低估的问题。本文提出了一种基于长短时记忆神经网络(logn short-term memery,LSTM)的现地JMA... 如何快速并且准确估计目标场点烈度是地震预警中的关键问题。常用基于衰减关系的场点烈度估计和基于P波信息的现地烈度估计往往存在大震烈度低估的问题。本文提出了一种基于长短时记忆神经网络(logn short-term memery,LSTM)的现地JMA烈度持续估计模型。该模型以现地观测地震动的能量、能量增长率、地震动卓越周期和震源距作为输入,以该点的最大仪器地震烈度为预测目标。选取了日本K-NET台网记录101次地震数据作为训练集,94次地震数据作为测试集,训练了现地烈度估算LSTM神经网络模型。结果表明:在采用3 s时窗长度的序列进行预测时,高估的比例为1.51%,低估的比例为4.00%;并且,随着时窗长度的增加,高估和低估的比例也在不断降低。模型对高烈度(大于等于4.5度)样本的预测时效性随震源距的增加而增加,对大震远场高烈度区域能提供20 s以上的预警时间。 展开更多
关键词 地震预警 现地预警 长短时记忆神经网络 实时减灾 烈度估计
在线阅读 下载PDF
拒止环境下基于LSTM神经网络的自主导航方法
10
作者 南子寒 刘大禹 +3 位作者 苏牡丹 隋叶叶 朱嘉婧 孟凡琛 《中国惯性技术学报》 北大核心 2025年第4期331-339,349,共10页
为提高全球导航卫星系统(GNSS)拒止环境下空间飞行器自主导航系统的精度,提出了一种融合长短时记忆(LSTM)神经网络的紧组合导航方法,将LSTM神经网络与鲁棒容积卡尔曼滤波器(RCKF)深度融合,利用神经网络预测惯导系统时间序列中的量测误差... 为提高全球导航卫星系统(GNSS)拒止环境下空间飞行器自主导航系统的精度,提出了一种融合长短时记忆(LSTM)神经网络的紧组合导航方法,将LSTM神经网络与鲁棒容积卡尔曼滤波器(RCKF)深度融合,利用神经网络预测惯导系统时间序列中的量测误差,进而抑制导航系统的误差发散,实现导航滤波器的平滑快速收敛。通过量测不确定性分析与非线性误差模型的滤波器估计,精确量化紧组合导航模式中的状态空间模型,并引入RCKF以提高误差协方差矩阵的估算精度;当卫星拒止时,导航系统将训练后神经网络的预测结果视为组合导航滤波器的量测新息,维持其量测矩阵的正常更新,减少单一惯性基下的误差累积。仿真表明,针对40 s的GNSS拒止场景,相比于RCKF,所提方法的位置误差增长率减少约20.8%,有效提升了自主导航系统的输出精度和误差抑制能力。 展开更多
关键词 自主导航 GNSS拒止 鲁棒滤波 长短时记忆神经网络
在线阅读 下载PDF
基于改进LSTM循环神经网络的装备故障预测方法
11
作者 王龙 宋卫星 +1 位作者 张鑫 武婧婧 《火力与指挥控制》 北大核心 2025年第2期55-61,69,共8页
着眼解决装备故障预测难度大、精度低,影响装备维修期确定及装备维修资源筹措的现实矛盾,在总结分析现有装备故障预测研究的基础上,针对装备故障数据时序性强的特点,引用当前最新流行、对时序数据处理效果最好的LSTM算法,提出一种基于改... 着眼解决装备故障预测难度大、精度低,影响装备维修期确定及装备维修资源筹措的现实矛盾,在总结分析现有装备故障预测研究的基础上,针对装备故障数据时序性强的特点,引用当前最新流行、对时序数据处理效果最好的LSTM算法,提出一种基于改进LSTM循环神经网络的装备故障数量预测方法。对网络结构进行详细设计,给出了网络训练和网络预测的实现算法,融合果蝇算法求解效率高的优势对网络参数进行优选,并利用某型装备故障发生的实际数据进行实验,与BP神经网络、广义回归神经网络、小波神经网络、压缩和激励网络等预测模型进行性能对比,证明方法效果良好,为科学预测装备故障数量、提高装备维修效益提供了一种有效方法。 展开更多
关键词 长短时记忆神经网络 装备故障预测 神经网络 果蝇算法
在线阅读 下载PDF
基于长短时记忆神经网络的潜油电泵故障预警 被引量：6
12
作者 刘广孚 姜霄 +3 位作者 杜玉龙 郭亮 王赛峰 鄢志丹 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第5期170-176,共7页
以潜油电泵机组的运行电流为主要判别依据,将长短时记忆神经网络应用于潜油电泵运行状态预测中,对于特征不明显的故障类型,利用潜油电泵井运行电压、运行电流、功率、油压、井口温度和瞬时流量数据预测下一时刻的电流值,并利用单分类支... 以潜油电泵机组的运行电流为主要判别依据,将长短时记忆神经网络应用于潜油电泵运行状态预测中,对于特征不明显的故障类型,利用潜油电泵井运行电压、运行电流、功率、油压、井口温度和瞬时流量数据预测下一时刻的电流值,并利用单分类支持向量机模型来预判潜油电泵机组的运行状态,从而实现潜油电泵的故障预警。最后,利用实际生产数据对模型进行验证。结果表明,所提方法预测准确度较高,可将报警时间提前1 h,实现故障的预警及诊断。 展开更多
关键词 潜油电泵 长短时记忆神经网络 单分类支持向量机 故障预警
在线阅读 下载PDF
基于卷积长短时记忆深度神经网络的带内全双工非线性数字自干扰消除 被引量：5
13
作者 路雷 褚建军 +4 位作者 唐燕群 陶业荣 伍哲舜 郑承武 陈琦 《电子与信息学报》 EI CSCD 北大核心 2022年第11期3874-3881,共8页
带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率,近年来引起了广泛关注。然而,同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项... 带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率,近年来引起了广泛关注。然而,同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项式模型方法存在模型失配导致自干扰效果恶化的风险,而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理。该文基于卷积长短时记忆深度神经网络(CLDNN),通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构,分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN),充分利用卷积神经网络局部感知和权值共享的优势,在高维特征中学习到更抽象的低维特征,从而提高自干扰消除的效果。实际场景中获得数据的评估结果显示,当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时,通过总共60次训练轮数,该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26%的改进,训练轮数也有明显减少。 展开更多
关键词 卷积长短时记忆深度神经网络 非线性自干扰消除 带内全双工 同时发送和接收 神经网络
在线阅读 下载PDF
双向长短时记忆神经网络在滩坝砂储层岩性识别中的应用 被引量：6
14
作者 陈钢花 张寓侠 +2 位作者 王军 张华锋 王莜文 《测井技术》 CAS 2023年第3期319-325,共7页
研究区致密滩坝砂储层油气储量丰富,勘探开发潜力较高,但存在埋藏深、单层厚度薄、渗透率超低、孔隙结构复杂以及单井自然产能极低的特征,储层划分与岩性识别困难。针对测井数据具有纵向时序连续的特点,构建一个双向长短时记忆神经网络(... 研究区致密滩坝砂储层油气储量丰富,勘探开发潜力较高,但存在埋藏深、单层厚度薄、渗透率超低、孔隙结构复杂以及单井自然产能极低的特征,储层划分与岩性识别困难。针对测井数据具有纵向时序连续的特点,构建一个双向长短时记忆神经网络(BiLSTM)岩性识别模型,采用随机森林方法对常规测井数据等参数进行特征选择,将选择的参数作为输入变量训练BiLSTM模型。应用该模型对测试集的井资料进行验证,结果表明模型的岩性识别准确率为0.86,取得了良好的应用效果,证明了BiLSTM模型适用于滩坝砂储层岩性识别。 展开更多
关键词 测井解释 深度学习 双向长短时记忆神经网络 岩性识别 滩坝砂储层
在线阅读 下载PDF
基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法 被引量：4
15
作者 李达 张照生 +2 位作者 刘鹏 王震坡 董昊天 《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页
针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测... 针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。 展开更多
关键词 车辆分类 地磁信号 长短时记忆神经网络-自适应增强算法 多天气
在线阅读 下载PDF
基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法 被引量：3
16
作者 魏鹏娜 马鹏程 +1 位作者 张进华 洪军 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第9期142-150,共9页
针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的... 针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明:所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pearson相关系数值接近0.5,证明从脑电信号中可解码出肌肉通道的表面肌电信号波形,为下肢外骨骼主动连续控制的应用提供了新思路。 展开更多
关键词 脑电 表面肌电 双向长短时记忆神经网络 步态时空参数解码 Pearson相关
在线阅读 下载PDF
基于长短时记忆循环神经网络的北京市糖尿病合并呼吸系统疾病患者入院预测研究 被引量：1
17
作者 朱倩 章萌 +6 位作者 胡耀余 徐小林 陶丽新 张杰 罗艳侠 郭秀花 刘相佟 《浙江大学学报（医学版）》 CAS CSCD 北大核心 2022年第1期1-9,共9页
目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病... 目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病合并呼吸系统疾病患者入院频数并与GAM对比,模型评价采用五折交叉验证法。结果:与GAM相比,LSTM-RNN具有较低的预测误差[均方根误差(RMSE)分别为21.21±3.30和46.13±7.60,P<0.01;平均绝对误差(MAE)分别为14.64±1.99和36.08±6.20,P<0.01]和较高的拟合优度(R^(2)值分别为0.79±0.06和0.57±0.12,P<0.01)。在性别分层中,预测女性入院频数时,LSTM-RNN三项指标均优于GAM(均P<0.05);预测男性入院频数时,两模型误差评价指标差异无统计学意义(均P>0.05)。在季节分层中,预测温暖季节的入院频数时,LSTM-RNN的RMSE和MAE均低于GAM(均P<0.05),R2值差异无统计学意义(P>0.05);预测寒冷季节入院频数时,两种模型的RMSE、MAE和R2值差异均无统计学意义(均P>0.05)。在功能区分层中,预测首都功能核心区入院频数时,LSTM-RNN的RMSE、MAE和R2值均优于GAM(均P<0.05)。结论:LSTM-RNN预测误差较小,拟合程度优,可作为污染天气提前精准配置医疗资源的预测手段。 展开更多
关键词 长短时记忆循环神经网络 广义相加模型 呼吸系统疾病 糖尿病 日入院频数 预测
在线阅读 下载PDF
长短时记忆神经网络在卫星轨道预报中的研究 被引量：13
18
作者 朱俊鹏 赵洪利 +1 位作者 杜鑫 蒋勇 《兵器装备工程学报》 CAS 2017年第10期127-132,共6页
目前的卫星轨道预报主要依靠动力学模型。由于模型与实际卫星所在空间环境变化存在差异,故通过动力学模型预报的轨道与实际轨道的偏差较大;尤其低轨卫星,由于空间环境复杂多变,预报误差更大;利用深度学习的神经网络作为轨道预报的工具,... 目前的卫星轨道预报主要依靠动力学模型。由于模型与实际卫星所在空间环境变化存在差异,故通过动力学模型预报的轨道与实际轨道的偏差较大;尤其低轨卫星,由于空间环境复杂多变,预报误差更大;利用深度学习的神经网络作为轨道预报的工具,通过对卫星轨道数据的训练学习,掌握数据之间隐含的关系预测未来数据;将深度学习的长短时记忆神经网络模型优化,并将预报数据与实际数据进行对比分析,将预报20 d的误差由之前最大值的300 km降低到5 km以下,提高了神经网络预报卫星轨道的精度。 展开更多
关键词 轨道预报 低轨卫星 深度学习 长短时记忆神经网络
在线阅读 下载PDF
基于串级双向长短时记忆神经网络的测井数据重构 被引量：4
19
作者 周伟 赵海航 +2 位作者 蒋云凤 易军 赖富强 《石油地球物理勘探》 EI CSCD 北大核心 2022年第6期1473-1480,I0009,共9页
测井数据是油气田开发和评价的基础,对于确定地下油气层位置、计算及评价油气储量等具有重要意义。然而,实际开采过程中井壁垮塌、仪器故障等因素往往导致部分深度的多条测井数据失真或缺失,而重新测井的成本高昂,施工难度大。为此,提... 测井数据是油气田开发和评价的基础,对于确定地下油气层位置、计算及评价油气储量等具有重要意义。然而,实际开采过程中井壁垮塌、仪器故障等因素往往导致部分深度的多条测井数据失真或缺失,而重新测井的成本高昂,施工难度大。为此,提出一种基于串级双向长短时记忆神经网络(CBi-LSTM)的测井数据重构方法,在不增加额外测量成本的情况下,充分考虑缺失数据点的前趋与后继之间的双向关联性及测井曲线之间的相关性,利用串级系统将所获估计值与已知测井曲线合并为新的输入,采用迭代更新策略完成对缺失数据块的重构。对苏里格气田4口井的测井数据进行补全重构实验,所得结果表明:文中测井数据重构方法具有较高精度,同时所用模型具有更强的鲁棒性和泛化能力。 展开更多
关键词 测井曲线 重构 长短时记忆神经网络 串级双向长短时记忆神经网络
在线阅读 下载PDF
基于卷积神经网络和长短时记忆神经网络的非特定人语音情感识别算法 被引量：4
20
作者 姚增伟 刘炜煌 +2 位作者 王梓豪 刘雅倩 潘家辉 《新型工业化》 2018年第2期68-74,共7页
为了实现在非特定人环境中的语音情感识别,本文提出一种基于卷积神经网络和长短时记忆神经网络的算法,经过实验在对4种情感的分类任务中取得了51.7%的平均加权预测准确率。算法通过提取语音信号的梅尔频谱特征作为输入,利用卷积神经网... 为了实现在非特定人环境中的语音情感识别,本文提出一种基于卷积神经网络和长短时记忆神经网络的算法,经过实验在对4种情感的分类任务中取得了51.7%的平均加权预测准确率。算法通过提取语音信号的梅尔频谱特征作为输入,利用卷积神经网络同时对语音信号进行短时域和频域特征的提取,利用长短时记忆神经网络进行长时域特征提取,从而达到语音情感识别的目的。 展开更多
关键词 语音情感识别 卷积神经网络 长短时记忆神经网络
在线阅读 下载PDF
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 2 … 9 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部