检索结果-内蒙古大学图书馆

南京信息工程大学学报（自然科学版） 2021年第6期13卷 744-752页

作者：戈苗苗陆振宇梁邵阳夏英茹南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学人工智能学院南京210044

为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注... 详细信息

为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注意力中,通过选择与目标值最相关的隐层状态,捕获时间序列的长期相关性.算法同时引入形变长短时记忆网络(Mogrifier LSTM),增强模型特征表示能力.模型使用2016-2019年预处理的自动站点特征数据和欧洲中期天气预报中心(ECMWF)气象场模式资料进行集成预报,并利用同期实况观测资料进行模式预报订正.实验结果表明:该模型在时效为2 h的降水预报中,各项数值评价指标均有改善,其中均方根误差为1.877 mm,平均绝对误差为0.727 mm,拟合优度(R^(2))为0.783;同时与其他模型预报订正效果相比,该模型较好地拟合了实际降水空间分布.

关键词：时间序列预测降水量预测形变LSTM 双阶段注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于双阶段注意力机制与知识蒸馏的变工况轴承故障诊断方法研究

基于双阶段注意力机制与知识蒸馏的变工况轴承故障诊断方法研究

引用

作者：赵二贤石家庄铁道大学

学位级别：硕士

在“工业4.0”背景下,基于深度学习的智能故障诊断方法成为研究热点,且已在恒工况条件下展现出优异性能。然而,真实工业场景中轴承经常运行在变工况条件下,导致基于深度学习的故障诊断方法存在“工况变化故障诊断难”、“单源信号信息... 详细信息

在“工业4.0”背景下,基于深度学习的智能故障诊断方法成为研究热点,且已在恒工况条件下展现出优异性能。然而,真实工业场景中轴承经常运行在变工况条件下,导致基于深度学习的故障诊断方法存在“工况变化故障诊断难”、“单源信号信息量受限”、“模型复杂参数量大”等问题。因此,本文针对变工况条件下的故障诊断、多源信息融合与模型轻量化三个方面,研究了基于深度学习的变工况轴承故障诊断方法。具体研究工作如下: (1)针对变工况下模型难以提取工况自适应的健康状态特征的问题,提出了基于多尺度CNN与双阶段注意力机制的网络模型。该模型设计多尺度特征提取模块与双阶段注意力模块,从多尺度提取丰富互补的特征信息并从通道和空间两个维度增强对工况变化不敏感的健康状态特征。通过变工况轴承故障诊断实验,证明了模型具备良好的分类准确率、抗噪性能和工况自适应能力。此外,对双阶段注意力机制进行可视化,提高了模型可解释性。 (2)针对变工况下单源信号信息量受限导致诊断效果不理想的问题,提出了多源信息融合网络模型。该模型应用多尺度特征提取模块与双阶段注意力模块在每个信号源中提取工况自适应的健康状态特征;之后设计多源信息特征加权模块根据不同信号源对不同故障的敏感度差异,对多源信息特征自适应分配权重。通过变工况条件下的轴承故障诊断实验,证明了模型可以有效融合多源信息特征,提高变工况轴承故障诊断的稳定性与可靠性。 (3)针对变工况故障诊断模型结构复杂、参数量大的问题,提出了基于知识蒸馏的模型轻量化方法。该方法根据教师模型的通道权重可视化结果确定学生模型的卷积层超参数;之后利用知识蒸馏实现师生模型的暗知识迁移,获得兼顾轻量化与诊断性能的学生模型。通过变工况下的师生模型准确率对比实验,证明了基于知识蒸馏的模型轻量化方法在变工况条件下的有效性。

关键词：变工况轴承故障诊断双阶段注意力机制多源信息融合知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

基于双阶段注意力机制的商品销量预测算法研究与实现

基于双阶段注意力机制的商品销量预测算法研究与实现

引用

作者：付元鸿西安电子科技大学

学位级别：硕士

随着互联网的迅速发展,越来越多的传统销售行业开始转向互联网营销模式。客户群体也从之前的小范围转向了更大的群体,对于商家来说,面对未知的群体,客户需求难以预测,因此商品销量趋势也变得难以掌控。商品销量预测对于电商企业来说意... 详细信息

随着互联网的迅速发展,越来越多的传统销售行业开始转向互联网营销模式。客户群体也从之前的小范围转向了更大的群体,对于商家来说,面对未知的群体,客户需求难以预测,因此商品销量趋势也变得难以掌控。商品销量预测对于电商企业来说意义重大,精准预测有助于采销人员制定出更加合理的采购方案,从而改善商品销量不稳定导致的供需不均衡问题。因此,商品销量预测在采购方案的制定中显得尤为重要。尽管时间序列预测具有广泛的现实应用,但因为时间序列的统计特征通常会随时间而发生变化,从而引起了分布漂移问题,因此对于时间序列预测仍旧是一项具有挑战性的任务。本文研究了近年来时间序列预测算法以及其在商品销量预测中的使用,发现大多数方法集中于使用基于循环神经网络或Transformer改进的网络模型进行时间序列预测,整体方法较为单一,其次针对分布漂移问题,并没有较好的解决方法。为此本文从领域泛化出发,以全新的视角进行时间序列预测任务的研究。本文主要的工作在于: (1)针对分布漂移问题,提出基于高斯混合模型、贪心算法的数据分段方法。通过数据分段,可以将连续的分布差异变为离散的可计算的分布差异。分段方法主要分为两个阶段:第一阶段使用高斯混合模型以及最大熵原理对时间序列数据进行聚类处理;第二阶段使用贪心算法对分段边界进行确定。 (2)提出基于双阶段注意力机制的混合模型TPA-GRU。使用领域泛化方法,通过使模型学习领域不变特性,从而使模型具有更好的泛化能力。模型搭建过程中采用了双阶段注意力机制,第一阶段使用卷积神经网络进行特征提取并使用加性注意力机制进行信息整合;第二阶段使用双向GRU模型捕捉序列的长期相关性并使用时序模式注意力机制计算不同时刻对结果的影响程度。模型在训练阶段引入权重参数,通过计算不同分布的隐状态之间的距离,在训练过程中动态调整权重参数,以更细粒度的方式控制分布的匹配程度。通过实验证明TPA-GRU混合模型相较于基准模型预测结果准确性有明显的提升。 (3)设计并实现了商品销量预测系统。该系统核心模块主要是基于TPA-GRU模型进行设计并实现,利用TPA-GRU模型,对商品销量数据进行预测,并使用数据可视化的方式对其进行展示。

关键词：时间序列预测领域泛化双阶段注意力机制非平稳时间序列

来源：评论

学校读者我要写书评

暂无评论

基于特征时间双注意力机制的短期光伏发电预测深度学习模型研究

引用

智慧电力 2025年第4期53卷 81-87页

作者：王建军潘佳音赵珍珠肇启迪华北电力大学经济与管理学院北京102206

针对光伏发电预测中存在的输入特征变量选择不精准和长时间历史信息难以捕捉等问题,提出一种基于特征时间双注意力机制的短期光伏发电功率预测深度学习模型(DA-GRU)。利用特征注意力机制挖掘不同影响特征对光伏发电功率的重要程度,通过... 详细信息

针对光伏发电预测中存在的输入特征变量选择不精准和长时间历史信息难以捕捉等问题,提出一种基于特征时间双注意力机制的短期光伏发电功率预测深度学习模型(DA-GRU)。利用特征注意力机制挖掘不同影响特征对光伏发电功率的重要程度,通过时间注意力机制衡量历史信息在不同时间点上的重要性,从而有效捕捉长时间序列上的变化趋势。算例分析表明,所提模型在各项评价指标上均优于其它对比模型,说明其对复杂非线性光伏发电功率数据有较好的适应性。

关键词：光伏发电预测双阶段注意力机制门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于超图学习的多视数据行为识别及应用

基于超图学习的多视数据行为识别及应用

引用

作者：吴祉璇北京联合大学

学位级别：硕士

行为识别是机器视觉领域中极具挑战性的任务,快速、精准感知和识别人体行为有助于机器与人的智能交互与协同技术的发展,尤其在智能驾驶、智慧医疗、智能检测等领域,研究机器与人的肢体语言交互具有重要意义。然而,面对复杂场景中存在物... 详细信息

行为识别是机器视觉领域中极具挑战性的任务,快速、精准感知和识别人体行为有助于机器与人的智能交互与协同技术的发展,尤其在智能驾驶、智慧医疗、智能检测等领域,研究机器与人的肢体语言交互具有重要意义。然而,面对复杂场景中存在物体遮挡、人体关节语义特征关联描述缺乏等问题,如何有效利用视频中不同视角数据信息进行特征提取以实现信息补全;如何对人体关节点进行关联建模以获取时间和空间的有效关联信息;如何学习人体关节点的高阶语义特征以实现高效行为识别都是关键问题。本文分别针对上述三个方面的问题,提出了三种有效的方法并构建基于超图学习的多视数据行为识别网络框架。具体如下:(1)针对复杂场景下目标被遮挡、人体关节点关联建模方法缺乏等问题,本文提出了基于多视数据的人体关节点建模特征表示方法,首先利用人体动作行为的时空特性,以人体关节点为顶点构建时间空间超图结构,捕获相同视角时序帧间节点关联和不同视角数据帧的空间关联,最后通过实验验证了超图构建方式的有效性。(2)针对多视角视频序列中行为动作的时空特征存在网络计算参数量大的问题,本文采用基于注意力机制的时空卷积神经网络多视数据特征提取方法,首先通过时间注意力机制获取视频关键帧,然后使用多尺度时空残差模块提取不同时间和空间维度的人体关节点高阶语义特征,以获取人体关节点信息完备性,提高识别准确率,从而有效实现了多视数据行为动作特征提取。最后在公共数据集NTU RGB+D和自采集的交警手势数据集上,该方法对相似动作分类优于MS-G3D网络,且验证了时间注意力机制的有效性。(3)针对多视数据的行为识别任务中目标特征高效表示学习模型训练能力的问题,本文提出了基于双阶段注意力机制的时空超图网络训练模型,首先采用可学习阈值提取多视视频中的关键帧信息,并提取人体关节点多视时空超图的高阶特征,输入到动态时空注意力模块中,学习身体部位关节点特征之间的多视数据帧内关联关系以获得动作的显著性区域;然后采用多尺度卷积操作并引入深度可分离网络,以少量可训练参数实现基于时空高阶语义的高效行为识别。最后在公共数据集NTU RGB+D和自采集的交警手势数据集上进行对比实验,模型的性能优于现有算法。

关键词：关节点建模双阶段注意力机制时空超图网络多视角行为识别

来源：评论

学校读者我要写书评

暂无评论

基于深度信息提取的视频摘要关键技术研究

基于深度信息提取的视频摘要关键技术研究

引用

作者：孙浩南京邮电大学

学位级别：硕士

是通过机器学习和计算机视觉等自动分析和处理视频内容,并根据视频内容的关键信息生成图像或短视频的视频智能处理方法。其目的是为了帮助用户快速浏览和理解视频内容,并减少用户查找所需视频的时间和精力消耗。视频摘要研究对象包括日... 详细信息

是通过机器学习和计算机视觉等自动分析和处理视频内容,并根据视频内容的关键信息生成图像或短视频的视频智能处理方法。其目的是为了帮助用户快速浏览和理解视频内容,并减少用户查找所需视频的时间和精力消耗。视频摘要研究对象包括日常视频、专业运动视频和监控视频等等。由于深度学习网络在诸多研究领域中取得了显著的突破,通过深度学习网络来提取视频的深度信息以生成视频摘要的方法逐渐成为智能视频处理研究领域中的重要研究问题。本论文以视频帧的空间特征为输入,对空间特征进行处理获取深度信息,以此重点围绕运动视频和日常视频分别进行静态视频摘要和动态视频摘要生成研究内容,本论文研究内容的主要创新点如下:(1)针对运动视频,提出一种基于深度信息提取的运动图像生成算法。以Goog Le Net网络提取的视频帧深层空间特征信息为输入,算法包括3个处理模块。首先使用双向长短期记忆(Bi-directional Long Short-Term Memory,Bi-LSTM)网络对视频帧间的时域信息进行建模,并且添加双阶段注意力机制针从而使网络更加关注运动目标区域。其次使用多层感知器预测根据提取的深度信息预测运动视频帧的重要性分数和视频帧帧间相似性,使用seq DPP(Sequential Determinantal Point Process)依据帧级重要性分数和帧间相似性选取关键运动帧序列。最后提取关键动作帧序列中运动目标的轮廓信息,进而绘制包含运动目标的凸包获取运动目标的空间信息,依据空间信息对不同关键帧中的运动目标进行碰撞检测,选择合适的运动轨迹并生成运动图像摘要。(2)针对日常视频,提出了基于差异正则化多头自注意力机制的视频摘要方法。以Goog Le Net网络提取的视频帧深层空间特征信息为输入,接着使用简单的自注意力模块对深层空间特征信息进行处理。自注意力模块由3个注意力层叠加形成,每个注意力层包含两个子模块,第1个子模块是使用差异正则化改进的多头自注意力机制,用来同时关注不同位置和不同子空间的信息进行处理,并使用差异正则化扩大多个注意力头之间的距离进一步保证多样性。第2个子模块是一个完全连接的前向传播网络,接收来自多头自注意力机制的输出并对其进行非线性变换,从而为序列建模任务提供更丰富和高级的特征表示。然后使用一个线性层根据自注意力模块处理后的深度信息,执行帧级重要性分数预测和帧间相似性检测。最后使用seq DPP根据镜头重要性分数和镜头相似性选取关键镜头生成动态视频摘要。

关键词：视频摘要深度信息双阶段注意力机制 Bi-LSTM网络多头自注意力机制差异正则化

来源：评论

学校读者我要写书评

暂无评论

基于EMD-DA-RNN的边坡位移预测

引用

黑龙江交通科技 2024年第2期47卷 5-7页

作者：李倩湖南省致力科技有限公司湖南长沙410208

我国滑坡灾害高发,每年造成了巨大的人员伤亡和经济损失。依托信息技术尤其是物联网技术、人工智能等技术,滑坡的监测预警逐渐自动化、智能化,各种滑坡监测预警系统层出不穷,滑坡监测的数据量、预警的即时性都得到了极大的提升。采用深... 详细信息

我国滑坡灾害高发,每年造成了巨大的人员伤亡和经济损失。依托信息技术尤其是物联网技术、人工智能等技术,滑坡的监测预警逐渐自动化、智能化,各种滑坡监测预警系统层出不穷,滑坡监测的数据量、预警的即时性都得到了极大的提升。采用深度学习技术的理论方法,充分利用监测系统获得的数据开展数据挖掘,利用已有的监测数据和各类信息预测滑坡未来一段时间的演化行为,最终实现对滑坡的安全评价。可及时提出滑坡的预防与处置方案,从而保障滑坡影响区域的人类活动。

关键词：边坡经验模态分解双阶段注意力机制循环神经网络位移预测

来源：评论

学校读者我要写书评

暂无评论

基于模态分解算法与深度学习的城市交通流预测研究

基于模态分解算法与深度学习的城市交通流预测研究

引用

作者：郝俊兰州理工大学

学位级别：硕士

随着我国城市化水平的不断加速和交通网络的不断扩大,交通拥堵和有害气体排放已经成为许多城市面临的重要问题。短时交通流预测是交通领域的一项重要技术,精确、有效的短时交通流预测结果对于缓解道路拥堵,减少有害气体排放至关重要。目... 详细信息

随着我国城市化水平的不断加速和交通网络的不断扩大,交通拥堵和有害气体排放已经成为许多城市面临的重要问题。短时交通流预测是交通领域的一项重要技术,精确、有效的短时交通流预测结果对于缓解道路拥堵,减少有害气体排放至关重要。目前,常用的交通流预测研究方法忽略了交通流数据中存在的噪声和交通流的时空相关性。因此,本文提出将模态分解算法与深度学习相结合,通过建立组合模型展开对城市路网交通流的分析研究。本文所做的主要工作如下:(1)针对城市交通流随机波动性强,数据中含噪声多,导致预测精度下降的问题,提出EEMD+Bi GRU组合模型。首先,使用集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对原始交通流数据进行分解,获得若干本征模函数(Intrinsic Mode Function,IMF)和一个残余分量(Residual component,Res);其次,根据获得的IMF分量绘制噪声能量图谱,分离原始数据中存在的噪声;最后,将剩余的IMF分量输入至双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi GRU)中学习序列的时间特征,最终输出预测结果。实验结果表明,与长短时记忆神经网络(Long-Short Term Memory,LSTM)、基于EMD的组合模型相比,EEMD+Bi GRU模型具有较好的预测效果。(2)针对EEMD算法在分解过程中存在不能完全中和添加的噪声,导致分解结果重构性差,使交通流预测精度下降的问题,提出MEEMD-DBA(MEEMD-DBi LSTM-Attention)组合模型。首先,从多个角度对比EEMD算法与改进的集合经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)算法,再使用MEEMD算法对原始交通流数据进行分解,获得IMF分量及Res分量;其次,通过计算IMF的能量值分离噪声;然后,将剩余IMF分量输入至双层双向长短期记忆网络(Double-layer Bidirectional Long-Short Term Memory,DBi LSTM)进行训练,在训练过程中加入注意力机制(Attention Mechanism)关注数据中的重要特征,最后输出交通流预测结果。实验结果表明,提出的MEEMD-DBA组合模型在短时交通流预测中具有较好的预测效果。(3)针对短时交通流预测模型中模态分解算法参数难以确定,时空矩阵含有噪声,模型无法自适应关注交通流数据的输入特征,导致模型预测准确度下降的问题,提出一种基于模态分解算法的时空融合组合预测模型。首先分析多条道路与待研究道路的相关性,挑选相关性较强的几条道路;然后使用蜉蝣优化算法(Mayfly Optimization Algorithm,MOA)对自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法的参数进行寻优,找出最佳参数组合,对原始交通流数据进行分解;利用分解后的IMF分量构建时空矩阵,使用门控线性单元(Gated Linear Unit,GLU)和卷积神经网络(Convolutional Neural Network,CNN)分别提取交通流数据的时空特征,结合双阶段注意力机制加强模型的特征学习能力,最后输出预测结果。实验结果表明,提出的组合模型与其他基准模型相比,具有较好的预测效果。

关键词：交通流预测模态分解算法深度学习模型时空特征双阶段注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的海上风电发电功率预测研究

基于机器学习的海上风电发电功率预测研究

引用

作者：程艳盐城工学院

学位级别：硕士

风能作为重要的低碳清洁、可持续利用能源,将会成为未来发展中的一股潮流。但是由于风能本身具有随机性,直接导致了海上风电功率的不稳定性。因此,必须提前对海上风电功率进行精准预测,能够为电网的可靠运行和电量储备计划提供依据。而... 详细信息

风能作为重要的低碳清洁、可持续利用能源,将会成为未来发展中的一股潮流。但是由于风能本身具有随机性,直接导致了海上风电功率的不稳定性。因此,必须提前对海上风电功率进行精准预测,能够为电网的可靠运行和电量储备计划提供依据。而如何实现对海上风电发电功率进行提前精准预测是本论文研究的目标,主要研究工作如下:(1)针对海上风电功率预测不稳定的问题,提出基于DAM和CNN-LSTM以及XGBoost并行组合预测模型。首先,对海上风电原始数据集进行数据质量控制以及特征相关性分析;其次,利用时间滑动窗口构建模型输入数据集,然后创新性地在CNN的卷积层和LSTM的输出层分别施加注意力机制,即双阶段注意力机制,可以得到明显较优的预测效果;而后沿用并行预测思想,利用两种不同的模型分别进行预测,结合对模型的预测结果进行权重分配,最终线性组合得到并行预测的海上风电功率预测值,经实验证实此研究模型精度更高;最后,以提出的模型为研究对象,开发了一套软件预测系统。(2)针对海上风电功率时间序列不稳定的问题,本研究提出融合VMD分解和LSTM神经网络模型来进行海上风电发电功率的预测。首先,对海上风电功率原始信号进行信号分解并分别融合LSTM、Light GBM,通过将处理后各个子分量结合筛选后的重要特征进行特征融合,使用时间滑动窗口构建输入变量,然后对各个子分量进行预测,并将每个海上风电功率预测值相加从而得到预测模型的最终海上风电功率预测结果。经实验证明,经过信号分解后的海上风电功率信号预测效果明显优于未经过信号分解的预测效果,同时也证实所提出的融合模型预测准确度有明显提高。

关键词：双阶段注意力机制权重分配时间滑动窗口信号分解预测系统

来源：评论

学校读者我要写书评

暂无评论

基于DAM与CNN-LSTM-XGBoost的海上风电功率并行预测

引用

软件导刊 2023年第7期22卷 27-31页

作者：程艳张波姚中原张宇曹卫黄曙荣盐城工学院机械工程学院/优集学院江苏盐城224051 华能海上风电科学技术研究有限公司江苏盐城224007 华能国际电力江苏能源开发有限公司清洁能源分公司江苏南京210000

为解决单一模型预测海上风电场的风电功率并行效果不稳定、初始参数过分敏感的问题,提出一种基于双阶段注意力机制(DAM)与CNN-LSTM-XGBoost的融合模型。首先,建立一个包含双阶段注意力机制的DAM-CNNLSTM模型。然后,利用贝叶斯对XGBoost... 详细信息

为解决单一模型预测海上风电场的风电功率并行效果不稳定、初始参数过分敏感的问题,提出一种基于双阶段注意力机制(DAM)与CNN-LSTM-XGBoost的融合模型。首先,建立一个包含双阶段注意力机制的DAM-CNNLSTM模型。然后,利用贝叶斯对XGBoost模型超参数进行寻优。最后,基于模型权重分配原理对各模型预测结果进行加权组合,得到最终预测结果。实验表明,所提模型预测准确率相较于传统模型显著增加,MAPE降低至0.26%,RMSE、R2、MAE分别为156.75、0.988、87.47,以期为海上风电功率并行预测提供参考与借鉴。

关键词：双阶段注意力机制长短期记忆网络 XGBoost 并行预测权重分配

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：