基于Adam优化GRU神经网络的SCADA系统入侵检测方法

陈土生, 现代计算机 发表时间:2019-05-25 期刊

针对基于传统机器学习算法SVM、C4.5、NN等的入侵检测方法不能有效处理SCADA系统中大量、高纬度、时序性强网络流量数据的问题,提出基于Adam优化GRU神经网络的入侵检测方法。利用GRU神经网络的深层结构能够对数据特征进行充分学习,通过更新门和重置门保存数据在时间维度上的信息,使用Adam算法优化神经网络的梯度训练过程,在工控安全标准数据集上与基于SVM、C4.5、NN、RNN和LSTM等机器学习算法的入侵检测方法进行对比实验。结果表明,提出的方法相对于SVM、C4....


卷积神经网络应用于先心病心音信号分类研究

谭朝文; 王威廉; 宗容; 潘家华; 朱莉莉, 计算机工程与应用 发表时间:2018-11-26 14:21 期刊

...听诊是先心病初诊和筛查的主要手段。传统心音分类算法普适性差,过程复杂,不利于将来实时化决策。采用1 800个心音信号对几种时间序列分类的主流深度学习网络进行训练,结果显示循环神经网络易出现过拟合;长短时记忆网络分类损失值0.257,准确率0.872;卷积神经网络损失值0.25,准确率0.896。实验表明卷积神经网络相比较其他两种网络具备更大的潜力。基于卷积神经网络的先心病分类算法,因训练样本量大,使网络普适性得到了保证。与其他分类器相比,CNN的另一个优势是其可自动提取特征...


面向阻变存储器的长短期记忆网络加速器的训练和软件仿真

刘鹤; 季宇; 韩建辉; 张悠慧; 郑纬民, 计算机研究与发展 发表时间:2019-06-15 期刊

...ong short-term memory, LSTM)网络是一种循环神经网络,其擅长处理和预测时间序列中间隔和延迟较长的事件,多用于语音识别、机器翻译等领域.然而受限于内存带宽的限制,现今的多数神经网络加速器件的计算模式并不能高效处理长短期记忆网络计算;而阻变存储器交叉开关结构能够以存内计算形式完成高效、高密度的向量矩阵乘运算,从而成为一种高效处理长短期记忆网络的极具潜力的加速器设计模式.研究了面向阻变存储器的长短期记忆神经网络加速器模拟工具以及相应的神经网络训练算法.该...


基于情绪特定词向量的情绪分类算法

张璐; 沈忱林; 李寿山, 计算机科学 发表时间:2019-06-15 期刊

...情绪分析中的一个基本任务,旨在判断一个文本的情绪类别。对情绪分类来说,词语的表示具有决定性的作用。许多现有的词向量学习算法只对词语的上下文语义信息进行建模,而忽略了词语的情绪信息,这样会导致上下文相似但情绪相反的词语有相似的词向量。为了解决该问题,通过构建一个由两个基本网络(即文档-词网络和情绪图标-词网络)组成的异构网络来学习情绪特定的词向量。最后,在标注样本上训练一个LSTM分类器。实验结果表明了所提情绪特定词向量学习算法的有效性。...


基于深度卷积长短时神经网络的视频帧预测

张德正; 翁理国; 夏旻; 曹辉, 计算机应用 发表时间:2019-04-10 07:00 期刊

...空间结构信息细节的问题,通过对卷积长短时记忆(LSTM)神经网络的改进,提出了一种深度卷积长短时神经网络的方法。首先,将输入序列图像输入到两个不同通道的深度卷积LSTM网络组成的编码网络中,由编码网络学习输入序列图像的位置信息变化特征和空间结构信息变化特征;然后,将学习到的变化特征输入到与编码网络通道数对应的解码网络中,由解码网络输出预测的下一张图;最后,将这张图输入回解码网络中,预测接下来的一张图,循环预先设定的次后输出全部的预测图。与卷积LSTM神经网络相比,在Movi...


基于SAE和LSTM的下肢外骨骼步态预测方法

陈超强; 蒋磊; 王恒, 计算机工程与应用 发表时间:2019-01-29 16:56 期刊

...AE)和长短时记忆(Long Short-Term Memory,LSTM)神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性,通过将下肢运动信息作为输入,步态作为输出,构建SAE-LSTM神经网络模型,并利用Keras对SAELSTM神经网络进行搭建和验证。实验结果表明,SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息,平均准确率能够达到92.9%以上。...


Prophet-LSTM组合模型的销售量预测研究

葛娜; 孙连英; 石晓达; 赵平, 计算机科学 发表时间:2019-06-15 期刊

...局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量的Prophet-LSTM神经网络组合模型,设计并实现了与组合前Prophet、LSTM单项模型及两种典型时间序列预测模型的对比实验。实验结果验证了Prophet-LSTM组合预测模型在销量时间序列分析中具有更强的适用性和更高的准确性,为该企业应对市场需求变化提供了重要的科学依据。...


基于LSTM的股票价格预测建模与分析

彭燕; 刘宇红; 张荣芬, 计算机工程与应用 发表时间:2019-03-20 09:57 期刊

...照均匀的时间过程推进,具有自身的推进过程。结合LSTM(Long Short-Term Memory)递归神经网络的特性和股票市场的特点,对数据进行插值、小波降噪、归一化等预处理操作后,推送到搭建的不同LSTM层数与相同层数下不同隐藏神经元个数的LSTM网络模型中进行训练与测试。对比评价指标与预测效果找到适宜的LSTM层数与隐藏神经元个数,提高了预测准确率约30%。测试结果表明,该模型计算复杂度小,预测准确率有所提高,不仅能在股票投资前对预测股票走势提供有益的参考,还能帮助...


基于稀疏DBN和双向LSTM的视觉语音识别算法

王一鸣; 陈恳, 数据通信 发表时间:2019-06-28 期刊

...Deep Belief Network,DBN)和双向长短期记忆网络(Bidirectional Long Short-Term Memory,Bi LSTM)的视觉语音识别算法。该算法通过在DBN的目标函数后引入混合的l1/2范数和l1范数来实现DBN的稀疏表示,以此稀疏DBN对唇部视觉信息进行稀疏瓶颈特征的提取,再将提取的瓶颈特征送入Bi LSTM进行特征的学习分类。实验表明,该算法能有效的识别唇部视觉信息。...


基于多元时间序列预测的智能交通系统

李家鑫; 宋佳怡; 李冠辰; 宋琳; 刘翰宸, 现代信息科技 发表时间:2019-06-25 期刊

...本文分别运用VARMA(向量自回归移动平均)和LSTM(长短期记忆网络)算法对首都机场附近的57条道路的拥堵数据进行建模分析,在此基础上将LSTM处理多元时间序列的核心思想加入到多元回归算法中,使多元回归算法拥有处理多元时间序列的能力。之后对三个算法的预测准确度和建模复杂度进行对比,找出适合用于不同场景的算法。得出结论,VARMA模型适用于短期精准预测、RNN适用于长期大规模的波动预测、改造后的多元回归模型适用于中长期快速预测。本文中的算法和结论可以更好地帮助公安和交警及时...


一种自适应序列长度的RNA二级结构深度预测方法

吴宏杰; 汤烨; 陆卫忠; 崔志明; 付保川; GAO Zhen, 小型微型计算机系统 发表时间:2019-08-09 期刊

...不仅导致有用信息丢失,而且并破坏了生物序列完整性.针对该问题提出了一种适应序列长度的深度递归神经网络模型,构造了序列长度自适应模块及训练算法,从而不需要截断.同时,由于实际样本比例不均衡,采用了动态加权方法进行改善.随后,在权威数据集RNA STRAND上与四种优秀方法进行了四组比较实验.实验结果表明,本方法的正确率和M atthew s相关系数比定长LSTM方法分别提高了1. 6%和3. 3%;比其它四种典型方法提高了13. 6%和14. 8%....


基于小波降噪和神经网络的GPS高程时序预测模型

张仕森; 孙宪坤; 尹玲; 李世玺, 全球定位系统 发表时间:2019-06-15 期刊

...序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响,将提升小波阈值降噪技术和长短期记忆(LSTM)神经网络相结合,实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离,然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比,结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性....


一种基于深度学习的快速DGA域名分类算法

刘洋; 赵科军; 葛连升; 刘恒, 山东大学学报(理学版) 发表时间:2019-06-13 17:09 期刊

提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。...


基于深度学习LSTM的空调故障诊断

花君; 严珂; 陆慧娟; 叶敏超, 中国计量大学学报 发表时间:2019-06-15 期刊

...运行。方法:利用深度学习对空调系统进行准确诊断,使用长期短期记忆(LSTM)神经网络,针对空调的冷水机组故障数据,利用时间序列特性,搭建LSTM分类模型,同时对参数进行优化调整并进行交叉验证,以确定最优的LSTM模型参数及准确地对空调故障标签进行分类。结果:在五种不同空调故障严重程度下,该模型能够较准确的对空调故障进行诊断。结论:通过对比传统循环神经网络和它的另一个变体门控循环网络,该模型故障诊断的准确率较好,并且对新样本的适应性较好。...


基于卷积记忆神经网络的数字表盘读数识别

熊勋; 陈新度; 吴磊; 林旭华, 组合机床与自动化加工技术 发表时间:2019-07-20 期刊

...别精确度低的问题,提出一种基于卷积记忆神经网络的数字表盘抄表算法。对高清摄像机获取的目标图像信息,经过图像轮廓提取算法定位到表盘字符区域,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)模型的特点,提出了卷积记忆神经网络模型(CLSTM),与传统字符识别算法CNN和LSTM相比,此模型既不需要做字符分割,又能够优化特征提取。实验以电表进行测试,结果表明,相比于CNN和LSTM,此模型准确率更高。...


基于长短期记忆网络构建短时车流预测模型

宋予佳;张健;邢珺;, 公路 发表时间:2019-07-16 16:06 期刊

为了准确地预测短期高速公路车流量,从而有利于最优路径规划,基于高速公路大数据积累,以及基于神经网络机器学习技术的发展,构建了基于长短期记忆网络构建短时车流预测模型,并对关键参数的设置进行优化,提出模型求解算法。通过杭金衢高速新岭隧道段数据进行案例分析,模型预测精度高于传统时间序列模型,为今后高速公路运行管理提供可靠支撑。...


基于多模型融合Stacking集成学习方式的负荷预测方法

史佳琪; 张建华, 中国电机工程学报 发表时间:2019-05-23 13:46 期刊

...cking集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势,构建多个机器学习算法嵌入的Stacking集成学习的负荷预测模型,模型的基学习器包含XGBoost树集成算法和长短记忆网络算法。算例使用ENTSO中瑞士负荷数据对算法有效性进行了验证。预测结果表明,XGBoost、梯度决策树、随机森林模型能够通过自身模型的增益情况对输入数据的特征贡献度进行量化分析;Stacking中各个基学习器的学习能力越强,关联程度越低,模型预测效果越好;与...


大数据环境下的电力负荷预测研究

宋占党; 李湘华; 王海宾; 白霄磊; 陈德高, 电子测量技术 发表时间:2019-06-23 期刊

...负荷预测模型适应各类用户的负荷预测,采用Kernel-K-means算法对电力用户进行聚类分析。将待预测的用户进行类别划分,然后采用LSTM方法建立负荷预测模型,预测未来某时刻用户的负荷值。通过实验仿真对比分析,验证了Kernel-K-means算法比传统的K-means算法具有较少的耗时和较高的聚类性能;LSTM算法比BP算法具有更高的负荷预测精度;实验说明所提方法适用于大数据环境下的电力负荷预测。...


基于LSTM算法的电网仿真样本生成方法

陈继林; 陈勇; 田芳; 郭中华; 李铁, 中国电机工程学报 发表时间:2019-06-14 09:00 期刊

...据挖掘的泛化能力和快速判稳的准确率,提出一种基于长短期记忆网络(long short-term memory,LSTM)算法的电网仿真样本生成方法,搜集了电网仿真计算离线数据中的用户调整潮流行为数据,并进行处理。基于此数据利用LSTM算法搭建模型,并生成潮流调整策略,根据策略生成不同的运行方式数据,结合电网预想故障集和仿真计算生成电网仿真稳定样本,通过不同的样本数据,利用电网安全稳定快速判稳算法验证所提方法的可行性和有效性。...


基于SWLSTM算法的超短期风向预测

唐振浩; 赵赓楠; 曹生现; 赵波, 中国电机工程学报 发表时间:2019-08-05 期刊

...偏航系统运行安全的基础。为了建立高精度风向预测算法,提出一种基于自校正小波长短时记忆网络(self-tuning wavelet long-short term memory neural network,SWLSTM)算法。首先,利用互信息法选取时间序列特征的长度;然后,经过小波分解进一步提取风向序列的时域信息和频域信息;在此基础上,选择长短时记忆递归神经网络(long-short term memory neural network,LSTM)进行建模;最后,设计误差自...


相关搜索
 找到 1,652 条结果 
首页上一页5678910111213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。