基于变分模式分解和门循环单元的电子系统间歇故障严重程度评估方法 被引量：1

1

作者 李晟 徐飞洋 +3 位作者 李玉晓 刘松华 张文生 郭肇禄 《电子与信息学报》 EI CSCD 北大核心 2022年第10期3673-3682,共10页

针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障... 针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量,再对IMF分量进行相似度分析选择敏感分量,并利用微分增强型能量算子构建严重程度敏感因子。最后,利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估,结果表明该方法有较强的间歇故障严重程度评估能力,评估结果更加准确有效。 展开更多

关键词 间歇故障 严重程度敏感因子 变分模式分解和门循环单元 故障注入 电子系统

在线阅读 下载PDF 职称材料

基于深层循环神经网络的陀螺仪降噪方法研究 被引量：2

2

作者 井小浩 贠卫国 韩世鹏 《空间控制技术与应用》 CSCD 北大核心 2020年第5期65-72,共8页

陀螺仪固有的随机误差会随时间积累越来越大,循环神经网络作为一种有效处理时间序列信号的算法被广泛使用,然而传统的循环神经网络在处理陀螺仪产生的随机误差上无法解决长期依赖,容易出现梯度消失和梯度爆炸问题.为了获得精确的陀螺仪... 陀螺仪固有的随机误差会随时间积累越来越大,循环神经网络作为一种有效处理时间序列信号的算法被广泛使用,然而传统的循环神经网络在处理陀螺仪产生的随机误差上无法解决长期依赖,容易出现梯度消失和梯度爆炸问题.为了获得精确的陀螺仪信号,本文基于循环神经网络变体的长短记忆网络和门循环单元的陀螺仪信号降噪算法,并创新性的将两种网络进行组合验证.文中先是通过Allan方差对陀螺仪随机误差进行误差分析,然后基于LSTM和GRU组合对陀螺仪输出信号进行补偿处理,结果表明LSTM结合GRU对陀螺仪的随机误差处理有明显改善,其中X、Y、Z轴方向陀螺仪的量化噪音、角度随机游走、零偏不稳定性、角速度游走和速度斜坡性能均有不同程度的提升. 展开更多

关键词 陀螺仪 ALLAN方差 循环神经网络 门循环单元

在线阅读 下载PDF 职称材料

基于GRU-贝叶斯的分布式光伏功率异常检测方法

3

作者 王耀龙 吴裕宙 +2 位作者 刘韵艺 李彬 苏盛 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期494-501,共8页

为有效识别分布式光伏故障系统,提出一种基于GRU-贝叶斯神经网络的分布式光伏功率异常检测方法。首先,选取晴天为检测场景,降低天气因素的干扰;然后,引入灰色绝对关联度算法,利用同地区光伏系统出力的相似性,筛除不合格光伏出力数据,构... 为有效识别分布式光伏故障系统,提出一种基于GRU-贝叶斯神经网络的分布式光伏功率异常检测方法。首先,选取晴天为检测场景,降低天气因素的干扰;然后,引入灰色绝对关联度算法,利用同地区光伏系统出力的相似性,筛除不合格光伏出力数据,构建光伏用户正常的光伏出力数据集。使用GRU-贝叶斯神经网络训练得到用户正常的光伏功率区间再进行检测。最后,用实际数据进行算例分析,表明所提方法的可行性和有效性。 展开更多

关键词 分布式发电 光伏 贝叶斯神经网络 异常检测 灰色关联分析 门循环单元

在线阅读 下载PDF 职称材料

基于多粒度网络预测增强子-启动子相互作用

4

作者 刘志豪 王会青 +1 位作者 李浩琳 韩家乐 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期106-113,共8页

准确识别增强子-启动子相互作用(EPIs)对疾病来源追踪和发展基因疗法有重要意义。现有预测方法缺乏对序列不同粒度信息的关注,提取增强子、启动子序列包含的不同粒度特征有助于从多层级分析EPIs。因此,提出EPIs预测模型EPI-PBGA(Paralle... 准确识别增强子-启动子相互作用(EPIs)对疾病来源追踪和发展基因疗法有重要意义。现有预测方法缺乏对序列不同粒度信息的关注,提取增强子、启动子序列包含的不同粒度特征有助于从多层级分析EPIs。因此,提出EPIs预测模型EPI-PBGA(Parallel BiGRU Attention Network),分别通过卷积子网络和双层双向门循环单元(BiGRU)注意子网络提取序列的细粒度、粗糙粒度特征。基于EPIs普遍存在的细胞特异性,在不同细胞系进行粒度选择,选定最优粗糙粒度,同时通过双层BiGRU注意网络提取元件子序列中存在的多种关联特征。实验结果表明,EPI-PBGA在6个基准数据集表现出较好性能,有效预测EPIs。 展开更多

关键词 增强子-启动子相互作用 多粒度 双向门循环单元 特征融合 注意力机制

在线阅读 下载PDF 职称材料

基于MSWOA-GRU的煤矿瓦斯浓度预测系统

5

作者 刘晓悦 王天爱 王朦婕 《煤炭技术》 CAS 2024年第11期115-119,共5页

煤矿井下瓦斯涌出是影响煤矿安全生产的严重灾害之一。为了进一步提高煤矿井下瓦斯浓度预测的准确性,在门循环(GRU)模型的基础上,提出一种基于改进鲸鱼算法优化门循环(MSWOA-GRU)的瓦斯浓度预测模型。首先,使用邻近均值法填补缺失数据... 煤矿井下瓦斯涌出是影响煤矿安全生产的严重灾害之一。为了进一步提高煤矿井下瓦斯浓度预测的准确性,在门循环(GRU)模型的基础上,提出一种基于改进鲸鱼算法优化门循环(MSWOA-GRU)的瓦斯浓度预测模型。首先,使用邻近均值法填补缺失数据并剔除异常数值,然后采用Min-Max标准化将数据归一化处理。其次,使用MSWOA对GRU超参数进行改善,以此构建MSWOA-GRU为核心的煤矿井下瓦斯浓度预测模型。最后,根据煤矿井下瓦斯浓度的实际监测数据,对预测模型进行有效性验证,并进一步对比传统鲸鱼算法优化门循环(WOA-GRU)预测模型和粒子群优化门循环(PSO-GRU)预测模型的预测效果和性能,实验结果表明,MSWOA-GRU模型对比其他模型能在较短的时间内实现准确预测。因此,基于改进WOA-GRU的预测模型,应用于煤矿井下瓦斯预测领域能够有效地预测瓦斯浓度,提升煤矿井下瓦斯浓度的预测准度,提高煤矿安监系统的监测水平。 展开更多

关键词 瓦斯浓度预测 鲸鱼算法 门循环单元 数据融合 优化算法

在线阅读 下载PDF 职称材料

基于图卷积网络的归纳式微博谣言检测新方法 被引量：4

6

作者 王友卫 童爽 +3 位作者 凤丽洲 朱建明 李洋 陈福 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第5期956-966,共11页

为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法.考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微... 为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法.考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值.实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、BiGCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性. 展开更多

关键词 谣言检测 图卷积网络 微博事件 门循环单元 注意力机制

在线阅读 下载PDF 职称材料

基于GRU与特征嵌入的网络入侵检测 被引量：8

7

作者 颜亮 姬少培 +1 位作者 刘栋 谢建武 《应用科学学报》 CAS CSCD 北大核心 2021年第4期559-568,共10页

当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型... 当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型。利用UNSW-NB15数据集进行模型仿真实验,结果表明该模型提高了对入侵攻击的检测率,为入侵检测中大规模数据的处理提供了一种全新的思路。 展开更多

关键词 网络入侵检测 机器学习 门循环单元 特征嵌入

在线阅读 下载PDF 职称材料

基于组合模型的城市轨道站点短时客流分类预测 被引量：10

8

作者 王金水 欧雪雯 +1 位作者 陈俊岩 唐郑熠 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第6期2004-2012,共9页

轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性... 轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性。为了挖掘各类型站点的客流变化规律,将站点自身特征和周边环境特征组成向量因子,运用K-means聚类方法对站点进行分类。在此基础上,将影响乘客出行的多源数据作为输入特征,分别构建了随机森林(RF)模型、门控制循环单元(GRU)模型以及RF-GRU组合模型,从而进行站点短时客流分类预测。利用杭州地铁站自动检票系统(AFC)采集的刷卡客流数据,对所构建的预测模型的有效性进行检验。研究结果表明:利用7个刻画站点自身特征和周边环境特征的参数作为聚类因子,并结合站点客流时间分布数据,可将杭州市地铁站点分为就业导向型车站、职住混合型车站和住宅偏远型车站;采用平均绝对误差以及均方根误差作为评价指标,参数化模型(ARIMA),非参数化模型(SVR),深度学习模型(LSTM,GRU,SAEs和GCN),组合模型(DCRNN,STGCN,STHGCN和DSTHGCN)的预测误差依次降低,其中RF-GRU组合模型的预测精度优于其他的组合模型;对站点进行分类之后,单一模型和组合模型预测结果的精度均有提高。 展开更多

关键词 智能交通 短时客流量预测 组合预测模型 多源数据 随机森林 门控制循环单元

在线阅读 下载PDF 职称材料

LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值 被引量：1

9

作者 彭秀丽 王延年 李全忠 《河南医学研究》 CAS 2022年第12期2135-2139,共5页

目的探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料... 目的探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料,其中T1DM患者18例,T2DM患者32例。以连续72 h的血糖数据为研究对象,运用Python 3.6运行LSTM-GRU模型,得到15、30、45、60 min的预测血糖值,以均方根误差(RMSE)、平均绝对百分误差(MAPE)及克拉克(Clarke)误差网格分析评价模型预测性能。采用灵敏度、特异度和准确度评价模型低血糖预警效果,进一步比较模型在T1DM和T2DM患者的低血糖预警差异。结果15 min预测时,LSTM-GRU模型的RMSE、MAPE分别为0.24、2.64;30 min预测时,RMSE、MAPE分别为0.26、2.84;45 min预测时,RMSE、MAPE分别为0.27、2.89;60 min预测时,RMSE、MAPE分别为0.27、2.85。Clarke误差网格分析表明该模型对血糖的预测准确度均满足ISO 15197—2013标准。LSTM-GRU模型在15 min低血糖预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为95.54%、98.41%、98.10%,88.82%、99.47%、99.05%;30 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.49%、98.41%、97.98%,87.94%、99.44%、99.01%;45 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.52%、98.49%、98.02%,85.53%、99.48%、98.98%;60 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为92.78%、98.54%、97.92%,85.15%、99.46%、98.95%。无论在哪个预测时长下,LSTM-GRU模型对T1DM和T2DM患者的低血糖预警效果比较,差异有统计学意义(P<0.05)。结论LSTM-GRU模型能有效进行低血糖预警,且对T1DM患者的低血糖预警效果优于T2DM患者。 展开更多

关键词 1型糖尿病 2型糖尿病 长短期记忆网络与门循环单元模型 低血糖预警

在线阅读 下载PDF 职称材料

基于双向GRU和PCNN的人物关系抽取 被引量：7

10

作者 王明波 王峥 邱秀连 《电子设计工程》 2020年第10期160-165,共6页

目前基于深度学习的人物关系抽取方法中大都使用单一的CNN或RNN模型,CNN擅长提取局部的最重要特征,但是不适合处理序列输入,而RNN虽然在任意长度的序列化任务中具有很大的优势,但是对局部的重要特征提取不够充分,针对以上问题,提出一种... 目前基于深度学习的人物关系抽取方法中大都使用单一的CNN或RNN模型,CNN擅长提取局部的最重要特征,但是不适合处理序列输入,而RNN虽然在任意长度的序列化任务中具有很大的优势,但是对局部的重要特征提取不够充分,针对以上问题,提出一种基于双向GRU和PCNN的人物关系抽取方法。将双向GRU模型与PCNN模型的优点结合起来,同时在模型中加入注意力机制。利用远程监督的方法构建训练语料进行实验验证,结果表明,该方法相较于单一的双向GRU模型、PCNN模型具有更好的效果。 展开更多

关键词 深度学习 人物关系抽取 双向门循环单元 卷积神经网络

在线阅读 下载PDF 职称材料

基于注意力机制和BGRU网络的文本情感分析方法研究 被引量：1

11

作者 尹良亮 孙红光 +2 位作者 王超 贾慧婷 索朗卓玛 《无线互联科技》 2019年第9期27-29,共3页

文本情感分类只考虑内容中的情感语义,不能有效表示上下文语义信息,忽略词对句子含义的重要程度,基于此,文章提出一种基于注意力机制和双向门循环单元网络的情感分析方法,使用双向门循环单元代替原有的简单网络,有效结合文本中的上下文... 文本情感分类只考虑内容中的情感语义,不能有效表示上下文语义信息,忽略词对句子含义的重要程度,基于此,文章提出一种基于注意力机制和双向门循环单元网络的情感分析方法,使用双向门循环单元代替原有的简单网络,有效结合文本中的上下文语义信息。通过在公开数据集IMDB上进行验证,对比MLP网络、BRNN网络和BGRU网络得出,文章提出的方法达到最好分类效果。 展开更多

关键词 文本情感分析 注意力机制 双向门循环单元 深度学习

在线阅读 下载PDF 职称材料

基于BO-GRU的混凝土坝变形预测模型 被引量：8

12

作者 李其峰 杨杰 +1 位作者 程琳 仝飞 《水资源与水工程学报》 CSCD 北大核心 2021年第4期180-184,193,共6页

针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于... 针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于混凝土坝变形预测。为检验模型的可行性,以实测变形监测数据为基础,并与极限学习机、相关向量机和基于遗传算法优化的支持向量机等模型预测结果进行对比。结果表明:该模型的泛化能力强、运行效率高,能有效运用于混凝土坝的变形预测。 展开更多

关键词 混凝土坝 变形预测 深度学习 门控制循环单元 贝叶斯优化算法

在线阅读 下载PDF 职称材料