检索结果-内蒙古大学图书馆

计算机测量与控制 2024年第11期32卷 18-24,33页

作者：姚晔许锡伟管剑波葛旭初宁波市轨道交通集团有限公司浙江宁波315000

为提升水利设施监测站点周边水位预测的准确性,设计基于双向lstm神经网络的站点周边水位预测系统;系统硬件部分设计了周边水系查询体系与水位记录装置;系统软件根据初始参数定义结果建立lstm神经网络布局模型,设计双向lstm解码器,其连... 详细信息

为提升水利设施监测站点周边水位预测的准确性,设计基于双向lstm神经网络的站点周边水位预测系统;系统硬件部分设计了周边水系查询体系与水位记录装置;系统软件根据初始参数定义结果建立lstm神经网络布局模型,设计双向lstm解码器,其连接闭环能够有效地提高模型的预测性能和稳定性;采集水位数据并进行清洗处理,利用清洗后的数据对象建立一维水动力模型,计算水系糙率,确定流量与延时时间的数值关系,将上述参数作为输入值对双向lstm模型进行训练,实现水位信息的预测;实验结果表明,在实验水系区域内,所提方法5月份、6月份的水位记录数据与原始水位数据之间的差值始终为零,拟合误差也为零;而对比方法中基于DWT-lstm的水位预测模型的5月份、6月份的水位差值分别为1.9 m、1.1 m;抽水蓄能引水型水位监测系统的5月份、6月份的水位差值分别为3.0 m、2.4 m。

关键词：双向lstm神经网络水位预测水系查询数据清洗水动力模型水系糙率

来源：评论

学校读者我要写书评

暂无评论

双向lstm神经网络的航空发动机故障预测

引用

空军工程大学学报（自然科学版） 2019年第4期20卷 26-32页

作者：曾慧洁郭建胜空军工程大学大学装备管理与无人机工程学院

准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆(lstm)神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络... 详细信息

准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆(lstm)神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络模型设计、训练与测试,得到在多种工作条件和故障下具有较强泛化能力的神经网络预测模型。使用C-MAPSS数据集对模型进行仿真验证,所提出的双向lstm故障预测模型通过与RNN、GRU、lstm时间序列模型对比,误差下降33.58%,得到更高的预测精度,非对称评分下降71.22%,具有更好的适应性。

关键词：故障预测时间序列双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

基于特征选择分类和双向lstm神经网络的钓鱼网站检测

基于特征选择分类和双向LSTM神经网络的钓鱼网站检测

引用

作者：杜洋西南交通大学

学位级别：硕士

时代的进步和网络技术的发展为我们生活带来便利的同时,也伴随着一些信息安全问题。网络钓鱼是一种典型的欺骗用户获取敏感信息的手段,这种有着极大经济利润的攻击手段频繁发生,使网络间人与人之间的信任变得脆弱,阻碍了网络贸易的正向... 详细信息

时代的进步和网络技术的发展为我们生活带来便利的同时,也伴随着一些信息安全问题。网络钓鱼是一种典型的欺骗用户获取敏感信息的手段,这种有着极大经济利润的攻击手段频繁发生,使网络间人与人之间的信任变得脆弱,阻碍了网络贸易的正向发展。由此可见,如何准确高效地检测钓鱼网站成为网络信息安全的研究热点。基于机器学习的钓鱼网站检测技术是网络钓鱼研究的热点技术,该方法的关键点在于特征的构建和分类算法的选择。本文首先对钓鱼网站相关特征进行了深入研究,对爬取的两万条URL样本(正反例各半)进行统计分析,不仅包括URL、HTML等常用特征,还爬取了WHOIS信息和ALEXA信息,通过特征选择构建了一个高效的特征组合,利用机器学习算法进行分类对比。经过实验验证,随机森林能较好的区分钓鱼网站。钓鱼网站存活时间短且变化形式多样,人工提取特征往往依赖于人的先验知识,针对上述研究机制中,一些常用的URL特征不能有效区分新钓鱼网站以及多类特征融合的钓鱼网站检测方法效率低下等不足,提出了一种利用神经网络学习URL序列的钓鱼网站检测机制。利用双向lstm可以学习序列化特征及长期依赖关系的特性,捕捉URL序列之间隐含的依赖关系,并用于钓鱼网站识别任务。本文提出将URL文本转换为词向量,然后将带正反例标签的训练数据送到神经网络模型中,通过逆向传播算法训练分类模型,再通过交叉验证的方法对模型的性能进行验证比较,实验结果表明本文提出的方法确实提高了钓鱼网站检测的准确率和查全率,同时有效降低了误报率和漏报率。

关键词：钓鱼网站检测多元特征随机森林词向量双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

应用双向长短时记忆神经网络的微地震信号降噪方法

引用

石油地球物理勘探 2023年第2期58卷 285-294页

作者：李佳王维波盛立高明中国石油大学(华东)控制科学与工程学院山东青岛266580

地面微地震监测数据噪声干扰强、信噪比低,对后续的微地震初至拾取、成像定位等产生严重影响。因此,微地震信号降噪是微地震数据预处理中的关键步骤,而常规降噪方法常依赖于算法参数的设置,不具备普遍的适用性。为此,提出了一种应用双... 详细信息

地面微地震监测数据噪声干扰强、信噪比低,对后续的微地震初至拾取、成像定位等产生严重影响。因此,微地震信号降噪是微地震数据预处理中的关键步骤,而常规降噪方法常依赖于算法参数的设置,不具备普遍的适用性。为此,提出了一种应用双向长短时记忆(Bi-lstm)神经网络的微地震信号降噪方法。首先,使用合成信号和实际信号构造样本数据集,对构建的Bi-lstm模型进行训练和测试,得到降噪效果最好的模型;然后,利用训练好的Bi-lstm网络对不同信噪比的合成信号和川渝地区油气井的实际压裂监测微地震信号进行降噪处理。降噪后的实际微地震信号用于地震发射层析成像,并分析图像以实现地面微地震信号的震源定位。实验分析结果表明,该方法能够有效降低微地震信号中的各类噪声,提高信噪比,从而提高震源定位的精度。与传统算法相比,该方法不需要参数调整,具有良好的泛化特性。

关键词：微地震信号降噪双向lstm神经网络模型训练

来源：评论

学校读者我要写书评

暂无评论

基于EEMD-GIOWA-神经网络组合模型对中国PMI的研究

基于EEMD-GIOWA-神经网络组合模型对中国PMI的研究

引用

作者：翟佳阳浙江科技学院

学位级别：硕士

采购经理人指数(Puchasing Managers’Index)简称PMI,指将企业采购经理的月度调查结果统计汇总、编制而成的综合指数,它涵盖企业采购、中间生产及最后销售各个环节,很好反映了一国制造业总体发展情况。它是一个国家经济发展状况的“晴... 详细信息

采购经理人指数(Puchasing Managers’Index)简称PMI,指将企业采购经理的月度调查结果统计汇总、编制而成的综合指数,它涵盖企业采购、中间生产及最后销售各个环节,很好反映了一国制造业总体发展情况。它是一个国家经济发展状况的“晴雨表”,对一国经济发展状况具有较强的预测、预警作用,因此对PMI指数进行分析预测有着极为重要的现实意义。目前,对于PMI的研究更多聚焦于该指标与GDP、生产价格指数等其他经济指标之间的相关关系以及关联度,也有部分学者利用已有数据从经济学角度分析验证PMI对一国经济发展的预警作用。本文选取自2005年PMI指数开始公布至2021年年底的204组数据,尝试多种数学模型对其进行拟合,试图寻找精度最高的拟合模型,并期对后期的PMI进行合理预测。计量经济学中,宏观经济数据较多为带有自身规律的时间序列数据。传统的时间序列模型被广泛应用于研究该类数据的拟合与预测问题上。例如ARIMA模型拟合我国GDP趋势、GRACH模型拟合股票走势以及涨跌情况等。随着计算机行业的迅速发展,机器学习算法和神经网络模型被运用到研究宏观经济数据的领域中,利用神经网络或深度学习算法研究宏观时间序列数据,分析数据背后的线性和非线性规律,成为当下学术界研究的热点问题。鉴于PMI序列存在线性、非线性规律,含有较多的噪音,因此本文先使用集成模态分解(EEMD)将原始PMI数据分解为不同频率的本征模块函数(IMF),再利用Fine-to-coarse对分解后的子序列进行高低频重组,产生代表不同实际含义的高低频数据序列。再将重构后的序列与原始序列以其作为输入分别输入神经网络中进行训练。循环神经网络(RNN)适用于时间序列的模拟预测问题,因此本文选取lstm神经网络、GRU神经网络以及双向lstm对处理后的组合序列进行模拟,同时训练过程中,选用Adam优化器,通过自适应改变参数权重进而提升模型的训练速度,寻找最适合拟合PMI的神经网络模型。本文考虑到单一模型存在一定的缺点,选用GIOWA算子对多组神经网络模型进行杂糅组合,寻找最优模型权重下的最优组合模型。期望对多个模型的优点进行组合,对PMI做出更加准确的预测。实证过程中,本文选取多个误差评价指标来验证组合模型的优势,对比多组模型的评价指标数值,结果表明:本文构建的EEMD-GIOWA-神经网络组合模型的预测效果优于单EEMD神经网络模型;在所构建的七个模型中可以找到拟合效果非常好且可以运用到未来短期预测的相对最优模型。同时本文实验使用Adam优化算法以及正则化对模型进行优化,使得模型的训练速度得以提升,有效解决了模型的过拟合问题。希望通过所构建的模型能对我国未来PMI进行合理预测,为消费者、企业以及宏观管理部门提供合理、科学性的数据参考。

关键词：集成模态分解 GRU神经网络 lstm神经网络双向lstm神经网络 GIOWA组合算子组合模型 PMI采购经理人指数

来源：评论

学校读者我要写书评

暂无评论

基于双向lstm的小水电发电功率超短期预测

引用

中国科技期刊数据库工业A 2023年第6期 126-129页

作者：王磊国网宜昌供电公司电网调控中心湖北宜昌44300

小水电发电功率的精准预测能够为发电计划的制定提供重要依据,缓解小水电窝电弃水现象,提高清洁能源的利用率。根据小水电发电功率的“时滞性”及“累积性”等特点,提出了基于双向lstm的小水电发电功率超短期预测模型。将小水电历史发... 详细信息

小水电发电功率的精准预测能够为发电计划的制定提供重要依据,缓解小水电窝电弃水现象,提高清洁能源的利用率。根据小水电发电功率的“时滞性”及“累积性”等特点,提出了基于双向lstm的小水电发电功率超短期预测模型。将小水电历史发电功率及降雨量代入双向lstm神经网络模型进行训练及预测,得到考虑过去及未来两个方向时间序列信息的小水电发电功率超短期预测模型。实例仿真表明,该方法具备较高的预测准确率及先进性。

关键词：小水电发电功率超短期预测双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于双向lstm的供水管网漏损定位方法

引用

水电能源科学 2021年第4期39卷 105-108页

作者：董文瑾梁俊卿孔潇潇青岛理工大学信息与控制工程学院山东青岛266033

传统的供水管网检漏方式存在效率低、准确率差的缺陷。应用双向lstm(Bi-lstm)神经网络可以很好地分析管网漏损时节点水压的变化规律,实现快速准确的漏损定位。先创建基于EPANET平台的管网水力模型,在该模型上进行管网节点漏损模拟及各... 详细信息

传统的供水管网检漏方式存在效率低、准确率差的缺陷。应用双向lstm(Bi-lstm)神经网络可以很好地分析管网漏损时节点水压的变化规律,实现快速准确的漏损定位。先创建基于EPANET平台的管网水力模型,在该模型上进行管网节点漏损模拟及各时间点节点水压的获取,然后采用Bi-lstm进行分析,最终得到漏损节点位置及各个漏损节点发生漏损的概率。试验结果表明,基于Bi-lstm神经网络的供水管网漏损定位模型的准确率为88.54%,对供水管网漏损节点定位有较好的效果。

关键词：供水管网双向lstm神经网络漏损定位 EPANET

来源：评论

学校读者我要写书评

暂无评论

无人驾驶车辆路径规划方法研究

无人驾驶车辆路径规划方法研究

引用

作者：谭丽敏兰州交通大学

学位级别：硕士

随着人工智能技术的兴起,智能交通的研究成为了热点。智能交通通过交通信息的实时采集、传输、处理和发布,可以诱导出行者根据自己的出行需求,更合理地选择出行时间、出行方式和出行路径,从而均衡分配路网的交通流,有效缓解城市交通拥... 详细信息

随着人工智能技术的兴起,智能交通的研究成为了热点。智能交通通过交通信息的实时采集、传输、处理和发布,可以诱导出行者根据自己的出行需求,更合理地选择出行时间、出行方式和出行路径,从而均衡分配路网的交通流,有效缓解城市交通拥堵问题,提高路网的效率。无人驾驶车辆是智能交通系统的重要组成部分,前者技术的成熟和普及对后者来说意义重大。无人驾驶车辆在社会各个领域都有非常广阔的应用前景。从技术层面而言,路径规划是无人驾驶车辆实现的关键技术,因此对路径规划进行研究具有非常重要的意义。本文以无人驾驶车辆路径规划方法为研究对象。在总结无人驾驶车辆、路径规划算法、短时交通流预测方法的国内外研究成果基础上,首先,根据适合无人驾驶车辆行驶的道路条件和交通条件,选取了11个道路指标,制定了禁行路段筛选指标体系。基于搜集到的道路数据,用遗传算法优化的BP神经网络从40条道路中筛选出28条备选行驶路段,构成备选行驶路网。前人的路径规划都是在现有城市路网环境下进行的,但现有路网中的道路条件参差不齐,不能保证无人驾驶车辆的交通安全。而经过安全性筛选后的路网可以保证后文规划得到的路径的安全性。其次,为了准确地计算从当前时刻出发,车辆从当前位置到达目的地的行程时间,从人为因素、车辆因素、道路因素和环境因素四个方面分析了路段行程时间的影响因素,从实用性和简洁性出发、主要考虑路段交通流量、交通密度和车辆速度等因素构建了行程时间估计模型,把行程时间表达为非拥挤路段行驶时间和交叉口排队延误时间,并简化成只与驶入流这一未知量有关的形式。再构建双向lstm神经网络模型预测未来时段驶入流,把未来时段驶入流代入到行程时间估计模型,得到动态行程时间表。最后构建动态的路阻函数,描述车辆通过一个路段可能需要经历的时间。实验结果证明双向lstm神经网络预测值接近真实值,预测性能稳定,对不同的交通流状况具有较高的适应性,可以实时准确地预测未来时段车辆到达路段时在该路段的行程时间。再次,在以现有城市路网为基础简化的城市交通网络模型中,以行程时间最小为目标函数、起点约束和终点约束为约束条件,用动态限制搜索区域的方法改进经典Dijkstra算法,分别在平峰期和高峰期对单辆无人车进行路径规划,规划结果证明动态路径规划算法可以在高峰期避开拥堵路段,验证了算法的有效性和可行性。最后,在现有城市路网中设置部分无人驾驶专用道,对专用道实行路权的预约和分配机制,先用容量限制-多路径分配方法把无人车流量优先分配到专用道上,再根据流量分配结果,以系统中所有无人车的行程时间之和最小为目标,采用改进的遗传算法对无人车进行路径规划,比较设置专用道前后、设置专用道后高峰期和平峰期、预约上专用道和没预约上专用道的同一起讫点的无人车最优路径及其阻抗的变化,发现同一起讫点设置专用道后比设置前节省行程时间;平峰期和高峰期预约上专用道的无人车最短路径有差别,高峰期的无人车可能只能预约上部分专用道,导致高峰期最短路径的行程时间比平峰期的长;预约上专用道的无人车行程时间比没预约上专用道的少。规划结果证明了设置无人驾驶专用道对无人驾驶车辆的好处,验证了算法的有效性和可行性。

关键词：无人驾驶车辆路径规划路段筛选双向lstm神经网络无人驾驶专用道

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的甲型H3N2流感病毒抗原性预测

基于深度神经网络的甲型H3N2流感病毒抗原性预测

引用

作者：周博云南大学

学位级别：硕士

甲型H3N2病毒是一种呼吸道病毒,其表面的蛋白血凝素(hemagglutinin，HA)负责与细胞受体进行结合,从而导致病毒的入侵,同时它也是诱导宿主产生保护性抗体时最重要的抗原物质,是流感疫苗筛选的主要因素。为了逃避宿主免疫,HA的氨基酸序列... 详细信息

甲型H3N2病毒是一种呼吸道病毒,其表面的蛋白血凝素(hemagglutinin，HA)负责与细胞受体进行结合,从而导致病毒的入侵,同时它也是诱导宿主产生保护性抗体时最重要的抗原物质,是流感疫苗筛选的主要因素。为了逃避宿主免疫,HA的氨基酸序列变化非常快,而这种持续和累积的变化会产生新的抗原株,从而导致季节性流感疫情,甚至造成全球范围的流感大爆发。因此,流感病毒在全世界范围内严重威胁着人类的公众健康。目前,流感疫苗是预防流感和阻止流感疫情爆发最有效的手段,而疫苗免疫效果主要取决于疫苗株和流行株之间的抗原性。因此,分析抗原性对流感疫情的监测和疫苗的选择是至关重要的。深度神经网络成功应用到包括生物信息学的很多领域,但在流感抗原性预测问题上的有效性还没有得到验证。因此,针对甲型H3N2流感病毒及其抗原性特点,本文提出了一种甲型H3N2病毒的抗原性编码方法,设计了甲型H3N2流感病毒抗原性预测模型,在两个数据集上对所设计模型进行对比分析。实验结果表明本文设计的模型优化了甲型H3N2流感病毒抗原性预测。本文的具体工作包括以下四个方面。第一,本文提出了一种甲型H3N2流感抗原性的编码方法。该编码将病毒对上每个位置上的氨基酸和氨基酸替换信息表示为向量。该编码方法不需要任何人工设定,也没有局限于某些特定的位点,同时也为深度学习进行抗原性预测奠定了基础。第二,本文设计了基于双向lstm甲型H3N2流感病毒抗原性的预测模型。该模型通过一个双向lstm层来提取序列对中氨基酸、氨基酸替换之间的关键特征,并通过全连接层对抗原性进行预测。第三,本文设计了基于卷积神经网络的甲型H3N2流感病毒抗原性的预测模型。该模型通过卷积层提取病毒序列对上氨基酸、氨基酸替换之间的关键特征。第四,本文将注意力机制和卷积神经网络进行结合并应用到甲型H3N2流感病毒抗原性预测中。实验结果表明,增加模型的深度和复杂度可以进一步优化预测模型。

关键词：生物信息学甲型流感 H3N2病毒抗原性预测深度神经网络卷积神经网络双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

基于神经网络和骨骼点特征的人体动作识别方法研究

基于神经网络和骨骼点特征的人体动作识别方法研究

引用

作者：邹凯广东工业大学

学位级别：硕士

近年来,人体动作识别受到了研究者的广泛关注,已在安防、医疗、体育赛事分析等方面取得了普遍的使用。目前,基于RGB视频的人体动作识别被广泛的研究,但是RGB图像的获取易受光照、角度等影响,并且RGB图像信息难以对动作的空间变化进行表... 详细信息

近年来,人体动作识别受到了研究者的广泛关注,已在安防、医疗、体育赛事分析等方面取得了普遍的使用。目前,基于RGB视频的人体动作识别被广泛的研究,但是RGB图像的获取易受光照、角度等影响,并且RGB图像信息难以对动作的空间变化进行表示。随着深度传感器的发展与人体姿态估计算法的研究,人体骨骼点的获取变得越来越容易,骨骼点表示了人体部位在空间中的三维位置信息,更有利于动作识别,所以基于骨骼点的动作识别成为当前动作识别领域的一个热点。基于骨骼点的人体动作识别算法流程为先提取动作序列中的时空特征,再设置分类器对提取的特征进行分类,从而得到动作识别结果。动作序列中每一帧的姿态具有空间相关性,不同帧间姿态具有时间相关性,常见的几何特征或时序特征很难同时提取到空间特征和时间特征。为了解决该问题,本文提出了一种基于骨骼点特征的提取空间特征的方法,并且为了加强分类器对时空特征的表达,提出了一种深度堆叠双向lstm(Deep Stacked Bidirectional Long Short-Term Memory,DSB-lstm)神经网络的人体动作识别方法。本文主要的研究内容如下:1)提出一种基于骨骼点特征提取方法,该方法首先根据人体骨骼几何结构,构造一组骨骼向量,然后通过这组骨骼向量提取骨骼向量模比值、骨骼向量角度特征,为验证提取骨骼点结构特征的有效性,本文设置以lstm神经网络为模型分类器,在公开数据集上进行实验,并通过设置多种分类器对提取的骨骼点特征进行识别进行对比。2)动作序列具有时序性,而上述以单个lstm神经网络为分类器不能对提取的骨骼点特征构建很好的时序性表达,为了加强对提取的特征识别效果,本文提出了一种DSB-lstm网络。该方法在提取骨骼点结构特征的基础上,以堆叠多个深层双向lstm为基础网络,设置Masking层加强模型对缺失数据的鲁棒性,设置时序dropout层减少模型过拟合,设置时序最大池化层加强对时序特征的表达。3)将上述提出的基于骨骼点特征提取方法和DSB-lstm网络进行实验测试,在MSR-Action3D、Forence3D-Action和UTKinect-Action三种公开数据集上进行测试,并与已有在该数据集上的常见方法进行对比,测试集上的动作识别准确率具有一定的提升。实验结果表明,与现有算法相对,本文提出方法有效地提高了基于骨骼点的动作识别准确率。

关键词：人体动作识别骨骼点动作序列 lstm神经网络双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：