期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
联合卷积神经网络与长短期记忆深度网络的桥梁损伤识别 被引量:10
1
作者 单德山 石磊 谭康熹 《桥梁建设》 EI CSCD 北大核心 2023年第4期41-46,共6页
为准确评估桥梁结构状态,提升损伤识别效率,提出基于联合卷积神经网络(CNN)与长短期记忆(LSTM)深度网络的桥梁损伤识别方法,并用振动台试验数据进行验证。结合CNN空间特征和LSTM时间特征提取能力,构建桥梁结构损伤识别架构;提取5类时频... 为准确评估桥梁结构状态,提升损伤识别效率,提出基于联合卷积神经网络(CNN)与长短期记忆(LSTM)深度网络的桥梁损伤识别方法,并用振动台试验数据进行验证。结合CNN空间特征和LSTM时间特征提取能力,构建桥梁结构损伤识别架构;提取5类时频域损伤特征,经对比分析后,采用结合平均频率和平均能量的组合特征进行损伤识别;基于振动台试验数据及其有限元模型数据识别了斜拉桥模型的损伤,并将识别结果分别与CNN、LSTM的识别结果对比。结果表明:采用联合CNN与LSTM深度网络建立的损伤识别方法可有效识别出桥梁的损伤位置和损伤程度,且偏差小,识别结果优于CNN、LSTM;未布置传感器的位置损伤识别精度较低;轻微损伤识别准确率相对较低。 展开更多
关键词 桥梁工程 卷积神经网络 长短期记忆深度网络 损伤识别 损伤程度 空间特征 时间特征 振动台试验
在线阅读 下载PDF
基于深度长短期记忆网络的地铁进站客流预测 被引量:17
2
作者 崔洪涛 陈晓旭 +2 位作者 杨超 项煜 段红勇 《城市轨道交通研究》 北大核心 2019年第9期41-45,共5页
提出利用多源数据(地铁刷卡数据、气候数据和节假日数据)进行数据特征构造,并采用深度长短期记忆网络(DLSTM)方法预测地铁进站客流量。以深圳北站地铁站为研究对象,选取该站3个月的地铁IC卡数据记录,前两个月的数据为训练集,后一个月的... 提出利用多源数据(地铁刷卡数据、气候数据和节假日数据)进行数据特征构造,并采用深度长短期记忆网络(DLSTM)方法预测地铁进站客流量。以深圳北站地铁站为研究对象,选取该站3个月的地铁IC卡数据记录,前两个月的数据为训练集,后一个月的数据为测试集。介绍了数据预处理方法和DLSTM模型构建原理。试验结果表明:DLSTM模型的预测准确度随着DLSTM模型的深度增加而增高;与其它模型相比,DLSTM模型的预测精度更高。 展开更多
关键词 地铁 进站客流 客流预测 深度长短期记忆网络
在线阅读 下载PDF
基于LSTM深度神经网络的飞行机动识别方法研究
3
作者 涂景奇 董一群 赵云妹 《航空电子技术》 2024年第3期36-41,共6页
飞行机动是空中博弈任务OODA环成型的重要组成部分,涉及态势观察、战术决策、飞行员控制执行等多项关键技术。面向近距飞行任务中的机动识别问题,开发了一种基于长短期记忆深度神经网络的机动识别方法。该方法能够有效降低机动识别对领... 飞行机动是空中博弈任务OODA环成型的重要组成部分,涉及态势观察、战术决策、飞行员控制执行等多项关键技术。面向近距飞行任务中的机动识别问题,开发了一种基于长短期记忆深度神经网络的机动识别方法。该方法能够有效降低机动识别对领域知识的依赖性,实现了对近距飞行任务中5类机动的自动识别。基于高逼真飞行模拟仿真环境采集的飞行数据对机动识别方法性能进行测试,结果表明,提出的机动识别方法在5类近距飞行机动平均识别准确率为95%,平均识别准确率超过基于随机森林与支持向量机的基线机动识别方法,证明了提出的方法在解决近距飞行任务机动识别任务的有效性与先进性。 展开更多
关键词 近距博弈任务格斗 飞行机动识别 长短期记忆深度神经网络 随机森林 支持向量机
在线阅读 下载PDF
LSTM深度神经网络在消防力量调度算法中的应用 被引量:4
4
作者 韩丹 洪汝攀 钟焱军 《电信快报》 2021年第5期25-27,共3页
针对消防救援力量、灾害类型及分布特点,结合空间位置、路径、时间等要素,建立基于LSTM(长短期记忆)深度神经网络的遗传算法模型智能调派体系,对适应度函数进行改进,通过大量智能消防接处警调度数据训练拟合,使得消防力量调度拟合函数... 针对消防救援力量、灾害类型及分布特点,结合空间位置、路径、时间等要素,建立基于LSTM(长短期记忆)深度神经网络的遗传算法模型智能调派体系,对适应度函数进行改进,通过大量智能消防接处警调度数据训练拟合,使得消防力量调度拟合函数取得最优的权重,提升消防力量调度算法。再考虑多维度条件,按照要素权重更好的拟合,面向搜索全局目标和局部搜索能力寻找优良解,加快消防力量调度遗传算法在迭代过程中的收敛速度。 展开更多
关键词 LSTM(长短期记忆)深度神经网络 适应度函数 遗传算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部