基于长短期记忆网络的智能用电数据甄别方法

罗慧; 刘梅招; 周钰山; 张宸; 潘文文; 刘阳; 卫志农, 广东电力 发表时间:2019-03-07 11:47 期刊

...ong short term memory, LSTM)网络的电力数据异常数据甄别方法。首先,对历史电流、电压和功率等时间序列进行滚动抽样,构建电力数据样本库;其次,使用样本库训练LSTM网络模型,优化模型参数;然后,基于训练后的网络模型,针对目标电表进行用电数据模拟,预测未来时刻的电流、电压和功率序列;最后,设置阈值参数,比较电表数据预测值与真实值之间的误差,实现异常数据甄别。采用实际电表的用电数据进行实验分析,通过实验比较LSTM网络模型与原型聚类法、密度聚类法等方法在...


基于深度长短时记忆神经网络模型的心律失常检测算法

杨朔; 蒲宝明; 李相泽; 王帅; 常战国, 计算机应用 发表时间:2018-11-16 12:45 期刊

针对传统基于形态特征的心电检测算法存在特征提取不准确和高复杂性等问题,提出了一种多层的长短时记忆(LSTM)神经网络结构。结合传统LSTM模型在时序数据处理上的优势,该模型增加了反向和深度计算,避免了人工提取波形特征,提高了网络的学习能力。通过给定心拍序列和分类标签进行监督学习,然后实现对未知心拍的心律失常检测。通过对MIT-BIH数据库中的心律失常数据集进行实验验证,模型的总体准确率为98.34%。相比支持向量机(SVM),该模型的准确率和F1值均有提高。...


基于LSTM算法在新闻分类中的应用

朱肖颖; 赖绍辉; 陆科达, 梧州学院学报 发表时间:2018-12-15 期刊

针对传统的RNN算法存在梯度消失的缺陷,在面对海量新闻数据,规模大且分类属性多的情况下存在效率低的问题,该文应用了传统的RNN模型改进后的LSTM神经网络算法,加入了预训练的word2vec模型。首先对新闻数据进行去除停用词及标点、格式转化、分词等预处理;其次进行特征提取、分类模型构造;最后进行了分类模型训练与测试。测试数据表明,在大数据量的情况下,使用LSTM算法具有较高的模型准确度和良好的扩展性。...


基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

李静; 徐路路, 现代情报 发表时间:2019-03-28 期刊

...度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架,以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建,然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析,最后利用RE指标和精准度指标评价机器学习算法预测...


基于深度学习的视频转码快速算法

徐婧瑶; 王祖林; 徐迈, 计算机科学 发表时间:2019-03-15 期刊

...练深度学习模型提供数据保障;随后对H.264压缩域特征和HEVC的CTU块划分模式进行相关性分析,并发掘了CTU块划分模式在时序上的相似性,进而提出基于时间递归神经网络LSTM(Long Short-Term Memory)的三级分类器来预测HEVC的CTU划分。实验结果表明,与直接级联转码器相比,文中提出的H.264到HEVC快速转码算法实现了60%的时间节省,同时峰值信噪比仅下降了0.039 dB,其性能胜过近年来的转码算法的性能。...


基于LSTM的动态图模型异常检测算法研究

王凯; 陈丹伟, 计算机工程与应用 发表时间:2018-04-24 15:22 期刊

...研究的热点。为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化特征进行分析,总结了Egonet图结构距离和编辑距离两类特征,高效地表示动态图结构的变化情况。其次,通过基于LSTM的时间序列分类算法,进行模型的训练。最后对抓取的网络数据流进行入侵检测,对超过6万节点和300万条边的拓扑图进行测试。最终实验结果表明,该算法具有更高的准确率和召回率,可以有效地检测出网络入侵事件。...


基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用

陶涛; 周喜; 马博; 赵凡, 计算机应用 发表时间:2018-10-31 16:01 期刊

...定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异常车辆,首先通过自动编码器对加油站点采集到的相关数据进行特征提取,然后采用嵌入双向长短期记忆(Bi-LSTM)的Seq2Seq模型对加油行为进行预测,最后通过比较预测值和原始值来定义异常点的阈值。通过在加油数据集以及信用卡欺诈数据集上的实验验证了该方法的有效性,并且相对于现有方法在加油数据集上均方根误...


基于多重门限机制的异步深度强化学习

徐进; 刘全; 章宗长; 梁斌; 周倩, 计算机学报 发表时间:2017-12-29 09:09 期刊

...时间,但是,基于循环神经网络的异步深度强化学习算法依然需要大量训练时间,原因在于具有记忆能力的循环神经网络无法利用并行化计算加速模型训练过程.为了加速异步深度强化学习模型的训练过程,并且使得网络模型具有记忆能力,该文提出了一种基于多重门限机制的异步优势行动者-评论家算法.该模型主要有三个特点:一是通过使用多重门限机制使前馈神经网络具有记忆能力,使Agent能够通过记忆不同时间步的状态信息做出更优的决策;二是通过利用并行计算进一步加速Agent的训练过程,减少模型所需的训练时...


基于LSTM与多头注意力机制的恶意域名检测算法

黄偲琪; 张冬梅; 闫博, 软件 发表时间:2019-02-15 期刊

DGA域名是一类由特定算法生成,用来与恶意C&C服务器进行通信的域名,针对DGA域名的检测一直是一个研究热点。有文献提出了基于PCFG模型的DGA域名生成算法,在现有DGA检测方法的测试下,它的抗检测效果非常显著。这是因为它由合法域名生成,具备合法域名的统计特征。基于此,本文提出了将神经网络和自注意力机制相结合的检测模型M-LSTM,它利用Bi-LSTM实现字符序列编码以及初步特征提取,并结合多头注意力机制进行深度特征提取。实验结果表明,该算法在检测基于PCFG模型的域名上...


LSTM-RBM-NMS模型下的视频人脸检测方法研究

田桂; 谢凯, 电脑知识与技术 发表时间:2019-02-05 期刊

为提高视频人脸检测的准确性,我们提出了LSTM-RBM-NMS模型下的视频人脸检测方法。该模型首先利用公开的视频人脸数据集输入长短期记忆网络(Long Short-Term Memory, LSTM)网络中,在LSTM网络中加入批量归一化(Batch Nor-malization, BN)算法,在预训练的模型中,采用受限玻尔兹曼机代替全连接层。然后将预训练好的模型去除softmax分类器,使用支持向量机(Support Vector Machine, SVM)分类器进行代替...


基于LSTM神经网络的沪深300指数预测模型研究

冯宇旭; 李裕梅, 数学的实践与认识 发表时间:2019-04-08 期刊

LSTM用于沪深300指数的股价预测中,并在通用变量开盘价、收盘价、最高价、最低价的基础上新加入了日成交量与日成交额,以此来预测第二日的最高价,获得了比较好的预测效果,并与SVR模型和Adaboost模型预测作对比,LSTM获得的测试集RMSE要更低.接着,用SVR、Adaboost和LSTM进行岭回归集成,即,先用训练集对这三种模型进行训练,然后用训练数据进行测试,将它们的测试结果作为自变量,以相应的真实第二日最高价作因变量,进行岭回归,再对测试集数据做出预测,得到测试...


基于LSTM长短期记忆网络的超短期风速预测

魏昱洲; 许西宁, 电子测量与仪器学报 发表时间:2019-02-15 期刊

...全行驶具有重要的意义。提出一种基于长短期记忆(LSTM)网络的预测模型,对WindLog风速传感器采集得到的每分钟最大风速数据进行分组预处理,设置合理的步长参数,建立双层LSTM网络结构,采用北京市海淀区的风速数据进行训练,并对超前1、5、10 min的风速进行超前预测,超前1 min的预测值平均误差为0.467 m/s,正确率达100%;超前5 min的预测值平均误差为0.543 m/s,正确率达99.6%;超前10 min的预测值平均误差为0.627 m/s,正确率达9...


基于LSTM神经网络的煤矿突水预测

董丽丽; 费城; 张翔; 曹超凡, 煤田地质与勘探 发表时间:2019-04-25 期刊

...角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆(LSTM)神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法–反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。...


基于多层双向LSTM的雷达信号脉内调制识别

郑渝; 沈永健; 周云生, 遥测遥控 发表时间:2019-01-15 期刊

...,如时频特征、模糊图函数等,然而此类方法在实际分类识别中存在普适性较差、抗噪性能较低的缺陷。近年来亦有学者将深度学习方法用于雷达信号调制识别,但都是基于人工特征提取后进一步的分类识别。提出一种基于双向长短时记忆(LSTM)深度网络的雷达信号脉内调制识别方法,采用LSTM单元构建深度神经网络,并设计原始信号数据库对其训练,将网络学习到的特征作为分类依据进行信号识别。仿真结果表明,在低信噪比的情况下,模型具有较好的识别性能,能适应多种复杂调制方式信号。...


基于区域残差和LSTM网络的机场延误预测模型

屈景怡; 叶萌; 渠星, 通信学报 发表时间:2019-04-25 期刊

...要求,提出一种基于区域残差和长短时记忆(RR-LSTM)网络的机场延误预测模型。首先,将机场的属性信息、气象信息和相关运行航班信息进行融合;然后,利用RR-LSTM网络对融合后的机场数据集进行特征提取;最后,构建Softmax分类器对机场延误分类预测。所提RR-LSTM网络模型既能有效提取机场延误数据的时间相关性,又能避免深层LSTM网络的梯度消失问题。实验结果表明,RR-LSTM网络模型预测准确率可达95.52%,取得了比传统网络模型更好的预测效果。其中,融合机场的气象信...


基于深度学习算法的道路旅行时间预测

张盛涛; 方纪村, 指挥控制与仿真 发表时间:2019-03-28 11:01 期刊

...采用深度学习中的长短期记忆神经网络(Long Short-Term Memory,LSTM)方法预测道路旅行时间,通过调节LSTM隐藏层单元数和训练次数得到最优的时间相关的LSTM模型;而后将改进时间型LSTM模型和传统BP(Back Propagation)神经网络模型、支持向量机模型、k NN模型以及时间序列ARIMA模型进行对比分析。实验结果表明,改进的T-LSTM模型训练效率和预测精度均优于其他四种模型。...


一种用于风电功率预测的双存储结构LSTM模型

应稼田; 程良伦; 林锦发, 无线互联科技 发表时间:2019-03-10 期刊

...电特有的间歇性和不稳定性等特性,提出一种双存储神经元的长短时记忆(LSTM)模型(DuLSTM)用于风电功率预测。通过建立双存储神经元结构的LSTM模型,对周期性较强和突变性较强的风电功率分别采用不同神经元建模,有效解决受天气剧烈变化影响下的风电功率预测精度较低的问题。实验结果表明,预测误差相对LSTM模型从10.4%下降到7.0%,改进后的Du-LSTM神经网络模型在预测精度和拟合度上优于原始LSTM网络模型。...


基于LSTM-BP级联网络的列控车载设备故障诊断

上官伟; 孟月月; 杨嘉明; 蔡伯根, 北京交通大学学报 发表时间:2019-03-28 09:17 期刊

...设备故障文本数据的错综性和时序性,提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法.首先,采用贝叶斯正则化(Bayesian Regularization,BR)算法优化BP神经网络提高模型的泛化能力;其次,利用长短时记忆网络(Long Short Term Memory Network,LSTM)的记忆特性,充分学习具有时序性的故障特征信息,解决BP神经网络模型难以准确诊断关机误报和引发故障等问题;最后,利用实际数据对模型进行多次试验分析,BR优化的神经网...


基于LSTM算法的严寒地区办公建筑过渡季室内温度预测模型构建

殷青; 张岩; 韩昀松, 低温建筑技术 发表时间:2019-03-28 期刊

...之一,其关键是室内温度预测模型的建立。由于寒地过渡季建筑的室内温度受室外温度影响较大,本文引入了长短时记忆网络(LSTM)这一算法,该算法能学习室内温度和室外温度的内在联系,预测室内温度在室外温度影响下的变化,同时可以有效处理具有滞后性、时序性的物理量关系。通过在哈尔滨某高校教学楼办公室的实测数据,建立LSTM室内温度预测模型,训练并对预测结果进行评估。结果表明,该算法具有较高的准确度,拟合优度达到了98.7%。...


基于CNN-LSTM混合神经网络模型的短期负荷预测方法

陆继翔; 张琪培; 杨志宏; 涂孟夫; 陆进军; 彭晖, 电力系统自动化 发表时间:2019-02-26 16:03 期刊

...了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测...


相关搜索
 找到 1,790 条结果 
首页上一页2345678910下一页
关于iData
iData是第三方交流学术成果的公益互联网项目,旨在促进知识的传播和最新学术科技的共享,所有信息均来自公开、透明的互联网查询网站,iData重新对这些信息进行整合和优化,从而高效地输出有用信息,提高人与知识的连接效率。iData从创建之初便提供免费的学术文献浏览和下载。