- 年份
- 2023（1）
- 2022（3）
- 2021（3）
- 2020（2）
- 2019（2）
- 2018（2）
- 更多...
- 核心收录
- 北京大学中文核心期刊目录(北大核心)（10）
- 中国科技论文与引文数据库(CSTPCD)（8）
- 中国科学引文数据库(CSCD)（5）
- 中国人文社会科学引文数据库(CHSSCD)（2）
- 更多...
- 刊名
- 中国计量大学学报（2）
- 计算机应用与软件（2）
- 中国电力（1）
- 中国电机工程学报（1）
- 噪声与振动控制（1）
- 大地测量与地球动力学（1）
- 大庆石油地质与开发（1）
- 干旱区地理（1）
- 智能系统学报（1）
- 电测与仪表（1）
- 更多...
- 作者单位
- 中国计量大学（2）
- 中国地震局（1）
- 南京大学（1）
- 广东工业大学（1）
- 河海大学（1）
- 甘肃农业大学（1）
- 长春理工大学（1）
- 长江大学（1）
- 更多...
- 语种
- 汉语（13）
- 关键词
- 长短期记忆循环神经网络（13）
- 深度学习（3）
- 故障诊断（2）
- 栈式自编码器（2）
- Adaboost算法（1）
- PCA算法（1）
- 人工草地（1）
- 伊拉克H油田碳酸盐岩储层（1）
- 克里金方法（1）
- 全局粒子群优化（1）
- 更多...
- 作者
- 严珂（2）
- 叶敏超（2）
- 陆慧娟（2）
- 付广裕（1）
- 佘雅文（1）
- 冯定东（1）
- 刘冲冲（1）
- 刘大明（1）
- 刘强（1）
- 唐飞（1）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 13 条结果
- LSTM的单变量短期家庭电力需求预测CHSSCD摘要：针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
- 隐式特征和循环神经网络的多声部音乐生成系统北大核心CSCDCSTPCD
- 基于LSTM-Adaboost的多晶硅生产的能耗预测北大核心CSTPCD摘要：在多晶硅的生产过程中,还原工序是最重要的工序,其能耗占综合能耗的60％ ～ 70％.针对还原工序能耗影响因素复杂,非线性,传统预测方法预测精度低等问题,提出基于LSTM-Adaboost循环神经网络多晶硅生产过程的能耗预测模型.通过PCA算法对多晶硅生产过程的能耗影响因素按贡献率提取主成分;采用正则化方法优化LSTM的目标函数并引入Adaboost算法对LSTM模型优化;构建LSTM-Adaboost预测模型,实现能耗预测.实验结果表…查看全部>>
- 基于循环神经网络的重力异常数据推估研究北大核心CSCDCSTPCD摘要：利用鄂尔多斯西南缘的重力观测数据对长短期记忆循环神经网络(long short-term memory,LSTM)进行训练,结果表明,该神经网络可基于有限的数据获取较好的推估结果.基于自由空气重力异常数据,对比分析长短期记忆循环神经网络和传统克里金方法的推估结果发现,神经网络的推估能力优于传统克里金方法,但运算效率低于后者.利用自由空气重力异常对整个区域进行推估,结果表明,LSTM方法明显优于克里金方法,加入高程数据作为约束条件可有效…查看全部>>
- 基于特征相关分析修正的GPSO-LSTM短期负荷预测北大核心摘要：针对多因素互影响造成负荷预测精度低的问题,提出一种基于特征相关分析修正与全局粒子群优化(GPSO)的长短期记忆循环神经网络(LSTM)短期负荷预测新方法.该方法首先对负荷相关序列进行探索性数据分析(EDA)及预处理,找寻特征内在机理与相关联系并加以修正,保证输入特征的强相关性和完整性.针对传统前馈神经网络无法处理序列关联信息和普通循环神经网络无法记忆久远关键信息的缺陷,构建基于LSTM负荷预测模型进行深度学习.由于LSTM网络权值的随…查看全部>>
- 基于深度学习LSTM的空调故障诊断CHSSCD摘要：目的:对空调的故障进行及时的检测排查并减少能源消耗,以减少人力维护成本,保证空调系统高效运行.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…查看全部>>
- 陇中黄土丘陵沟壑区人工草地土壤水蚀预测模型北大核心CSCDCSTPCD摘要：针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005-2016年1～12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares Regression,PLSR)和长短期记忆(Long Short-Term…查看全部>>
- LSTM循环神经网络的高速铁路越区切换算法摘要：在高速铁路列车运行过程中,为了保持不中断通信,列车需要不断地与基站进行越区切换.越区切换作为LTE-R通信的关键技术,对于保障行车安全至关重要.针对下一代高速铁路无线通信LTE-R系统越区切换算法,因迟滞门限参数固定而导致切换成功率低等问题,提出了一种基于长短期记忆循环神经网络的高速铁路越区切换算法.首先,利用长短期记忆神经网络的记忆特性以及高速铁路越区切换重叠区信号时空相关性的特点,构建了基于长短期记忆循环神经网络的越区切换迟滞门限…查看全部>>
- 一种基于LSTM循环神经网络和振动测试的结构损伤检测方法北大核心CSCDCSTPCD摘要：提出一种基于长短期记忆(LSTM)循环神经网络的损伤检测方法,通过直接提取结构动态测试时域数据中的特征实现结构的损伤识别,基于不同损伤情况的重力坝有限元模型生成的加速度数据对LSTM网络进行在不同噪声水平下进行训练和测试,采用网格搜索方法对网络超参数进行优化.数值试验和试验室悬臂梁振动试验结果表明基于LSTM的损伤检测方法具有很高的损伤识别准确率和抗噪能力,其性能相对传统的循环神经网络(RNN)和门控循环单元(GRU)神经网络,不同损…查看全部>>
- 基于深度学习的减压音乐重构研究北大核心CSTPCD