检索结果-内蒙古大学图书馆

中国金属通报 2024年第17期 109-111页

作者：刘宸宇北京理工大学计算机学院

现代信息技术的发展和应用推动了数字经济蓬勃发展,而数字经济深刻变革着各个行业、各个领域的传统发展模式,如何加快数字化赋能成为各行业发展的重要命题。消费领域是数字化赋能的代表性领域,网络购物数据研究和模型应用对消费领域数... 详细信息

现代信息技术的发展和应用推动了数字经济蓬勃发展,而数字经济深刻变革着各个行业、各个领域的传统发展模式,如何加快数字化赋能成为各行业发展的重要命题。消费领域是数字化赋能的代表性领域,网络购物数据研究和模型应用对消费领域数字化转型起到了积极的作用。本文从某电商平台交易数据入手,建立了一个循环神经网络结构(RNN)模型,通过该模型对平台交易数据进行分析和深度学习,对未来交易数据进行预测和模拟,并通过平台的实际数据检验该模型的有效性,同时根据预测数据所反映出的特点和趋势,提出主动促进消费的发展策略建议。

关键词：循环神经网络模型网络购物大数据分析和预测

来源：评论

学校读者我要写书评

暂无评论

面向多场景的循环神经网络与Gipps组合的车辆跟驰模型研究

面向多场景的循环神经网络与Gipps组合的车辆跟驰模型研究

引用

作者：张耀伟北京工业大学

学位级别：硕士

随着智能设备和通信技术的不断发展，车路协同技术的全面应用指日可待。车路协同的实现会极大地改变现有交通模式，但车辆跟驰行为作为道路环境中最基本、最常见的驾驶行为之一，始终都是一个研究热点。针对传统跟驰模型无法表征各指标... 详细信息

随着智能设备和通信技术的不断发展，车路协同技术的全面应用指日可待。车路协同的实现会极大地改变现有交通模式，但车辆跟驰行为作为道路环境中最基本、最常见的驾驶行为之一，始终都是一个研究热点。针对传统跟驰模型无法表征各指标内在相关性以及泛化能力弱的缺点，以高速公路跟驰过程作为研究对象，考虑有无车载HMI(Human Machine Interface，HMI)设备，雾天与正常天气环境等多种交通场景，提出了传统跟驰模型与循环神经网络模型相结合的跟驰模型，使其能够在保证安全的前提下更好的模拟人类驾驶员的驾驶特性，提高了车辆跟驰的准确性与泛化能力。　　首先，基于驾驶模拟器构建车路协同环境，创建有、无HMI设备两种情况;构建无雾、大雾和浓雾三种天气情况，从而组合形成六种交通场景，招募驾驶员进行驾驶试验、采集模拟驾驶试验数据。分析对比不同交通场景下车辆跟驰行为的差异，特别是HMI设备的提示对车辆跟驰行为的影响。同时，利用NGSIM数据构建第七种交通场景——多前车场景，并分析该场景下跟驰车辆的行为特性，为跟驰模型建立基础。　　其次，针对车辆跟驰过程中的时序特征—上一时刻的运行状态和当前时刻的周围环境会影响当前的跟驰过程，提出基于循环神经网络(LSTM与GRU)的跟驰模型，并对比分析了LSTM神经网络与GRU神经网络的单元结构，选取了优化器和损失函数，完成了循环神经网络跟驰模型的训练。　　再次，考虑神经网络模型输出的不确定性与Gipps模型的应用局限性，提出将循环神经网络与Gipps模型组合的跟驰模型，分别利用七种交通场景下的跟驰数据标定Gipps模型参数，利用Gipps模型的输出校验循环神经网络的输出，确保模型输出的准确率与安全性。　　最后，针对上述七种交通场景，利用跟驰数据测试集对提出的跟驰模型进行评价验证与分析对比。结果表明，循环神经网络模型考虑驾驶过程的时序特征能更好的拟合驾驶员的驾驶数据，基于LSTM和GRU神经网络模型与Gipps组合的跟驰模型较其它模型有较高的准确度，而且通过Gipps校验后的模型输出在一定程度上保证了跟驰车辆与前车的相对安全速度。

关键词：车路协同跟驰模型循环神经网络模型 Gipps跟驰模型多前车跟驰行为

来源：评论

学校读者我要写书评

暂无评论

自然语言处理中的神经网络模型

引用

当代外语研究 2022年第4期 98-110,153页

作者：冯志伟丁晓梅新疆大学乌鲁木齐830000 大连海事大学外国语学院大连116026

自然语言处理是用计算机来研究和处理自然语言的一门交叉学科,近年来发展迅速,引起语言学界的极大关注。文章讨论了自然语言处理中的四种神经网络模型,即前馈神经网络模型、卷积神经网络模型、循环神经网络模型和预训练模型,其中包括模... 详细信息

自然语言处理是用计算机来研究和处理自然语言的一门交叉学科,近年来发展迅速,引起语言学界的极大关注。文章讨论了自然语言处理中的四种神经网络模型,即前馈神经网络模型、卷积神经网络模型、循环神经网络模型和预训练模型,其中包括模型的原理、结构、算法、机制,并突出强调它们在自然语言处理中的应用。文章指出,尽管神经网络模型已经成为自然语言处理的主流,但这些模型还缺乏可解释性,未来需要得到基于规则的语言模型和基于统计的语言模型的支持。

关键词：自然语言处理神经网络模型前馈神经网络模型卷积神经网络模型循环神经网络模型预训练模型

来源：评论

学校读者我要写书评

暂无评论

基于RST-LSTM模型的堤坝渗压动态预测分析

引用

应用基础与工程科学学报 2021年第1期29卷 112-122页

作者：陈守开蒋海峰李海瑞陈家林史海波华北水利水电大学水利学院河南郑州450046 河南省水环境模拟与治理重点实验室河南郑州450045 河南省水谷创新科技研究院有限公司河南郑州450002 水资源高效利用与保障工程河南省协同创新中心河南郑州450045 华北水利水电大学管理与经济学院河南郑州450045

渗透是关乎堤坝安全的重要因素之一.渗压数据分析是研究堤坝运行期渗流安全问题最直接的途径之一.根据堤坝渗压监测值的基本特征,基于粗糙集理论(RST)和长短时记忆网络模型(LSTM),建立RST-LSTM模型结构并编制python程序,实现了渗流影响... 详细信息

渗透是关乎堤坝安全的重要因素之一.渗压数据分析是研究堤坝运行期渗流安全问题最直接的途径之一.根据堤坝渗压监测值的基本特征,基于粗糙集理论(RST)和长短时记忆网络模型(LSTM),建立RST-LSTM模型结构并编制python程序,实现了渗流影响因素重要性定量化排序、冗余因素的消除以及多因素影响下堤坝渗压值的预测分析.以某面板堆石坝工程渗流监测数据分析为例,进行工程实例验证分析,研究结果表明:(1)该工程渗压值按重要性顺序依次受水位、降雨、温度及时效等因素的影响;(2)本文提出的RST-LSTM模型平均相对误差仅为4.43%,相比循环神经网络模型(RNN)与BP神经网络模型,RSTLSTM模型具有预测精度高、运算速度快等优点.

关键词：堤坝渗压值粗糙集理论长短时记忆网络模型循环神经网络模型 BP神经网络模型预测分析

来源：评论

学校读者我要写书评

暂无评论

RNN、JPR及ARIMA 3种模型预测中国农村孕产妇死亡率的比较

引用

中华疾病控制杂志 2023年第11期27卷 1308-1313页

作者：尹小兰何芯芯杜林李远盛张俊辉西南医科大学公共卫生学院流行病与卫生统计学教研室泸州646000

目的利用循环神经网络(recurrent neural network,RNN)模型、Joinpoint回归(Joinpoint regression,JPR)模型、差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型预测中国农村孕产妇死亡率(maternal mortality rate,MMR)的应用价值,并对《“健康中国2030”规划纲要》等文件提出的MMR下降目标能否实现进行统计预测。方法基于2000―2019年中国农村MMR数据建立RNN、JPR及ARIMA模型,通过平均绝对误差(mean absolute error,MAE)、均方误差(mean squared error,MSE)、均方根误差(root mean square error,RMSE)比较3种模型的回代拟合效果,通过残差及相对误差比较3种模型对2020年中国农村MMR数据进行点预测的效果,利用优选模型对2021―2030年中国农村的MMR进行预测。结果2000―2020年中国农村的MMR整体呈持续下降趋势。3种模型回代拟合效果由好到差排序为:RNN>JPR>ARIMA,RNN模型的MAE、MSE、RMSE均<0.02。3种模型的点预测效果由好到差排序为:RNN>JPR>ARIMA。最优的RNN模型预测结果显示,2022年中国农村MMR预测值为18.02/10万,能够实现《“健康中国2030”规划纲要》等文件的下降目标;2025及2030年中国农村MMR预测值分别为17.58/10万、17.27/10万,均不能实现《“健康中国2030”规划纲要》等文件的下降目标。结论RNN模型预测效果优于JPR模型及ARIMA模型,JPR模型预测效果一般,ARIMA模型不太适合本数据的预测。

关键词：孕产妇死亡率循环神经网络模型 Joinpoint回归模型差分自回归移动平均模型预测

来源：评论

学校读者我要写书评

暂无评论

时间序列模型应用于新型冠状病毒肺炎疫情预测效果比较研究

引用

中华流行病学杂志 2021年第3期42卷 421-426页

作者：李忠奇陶必林占梦瑶吴祝超吴继周王建明南京医科大学公共卫生学院全球健康中心流行病学系 211166

目的比较常见时间序列模型应用于新型冠状病毒肺炎(COVID-19)疫情预测的效果。方法收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数,分别建立差分自回归移动平均(ARIMA)模型和循环神经网络(RNN)模型,使用平均... 详细信息

目的比较常见时间序列模型应用于新型冠状病毒肺炎(COVID-19)疫情预测的效果。方法收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数,分别建立差分自回归移动平均(ARIMA)模型和循环神经网络(RNN)模型,使用平均绝对百分比误差(MAPE)和均方根误差(RMSE)等指标,比较不同模型预测9月21-30日确诊病例的表现。结果应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18%、9.18%和17.30%,RMSE分别为6542.32、8069.50和3954.59;应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27%、7.23%和26.02%,RMSE分别为6877.71、6457.07和5950.88。结论ARIMA和RNN模型的COVID-19预测效果存在地区差异,ARIMA模型的预测效果在美国和巴西较优,而RNN模型的预测效果在印度较优。

关键词：新型冠状病毒肺炎差分自回归移动平均模型循环神经网络模型预测

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的城市交通态势评估与预测方法研究

引用

内蒙古大学学报（自然科学版） 2021年第2期52卷 198-205页

作者：刘晶鑫唐婕曹瑾鑫内蒙古大学交通学院呼和浩特010070

为更实时准确地评估和预测交通运行态势,以交通检测器提供的大量数据作为研究对象,通过分析交通流时空特征及变化规律,建立考虑谱聚类的K近邻算法,并对城市交通的运行态势进行等级分层并评估。在时间序列分析的基础上,建立考虑时间特性... 详细信息

为更实时准确地评估和预测交通运行态势,以交通检测器提供的大量数据作为研究对象,通过分析交通流时空特征及变化规律,建立考虑谱聚类的K近邻算法,并对城市交通的运行态势进行等级分层并评估。在时间序列分析的基础上,建立考虑时间特性的LSTM和GRU神经网络模型,预测城市交通运行态势并分析对比各模型预测效果。研究结果表明:与传统ARIMA模型相比,改进的GRU神经网络模型综合效果更好。

关键词：交通工程交通态势评估预测循环神经网络模型机器学习

来源：评论

学校读者我要写书评

暂无评论

面向用户行为序列的深度上下文建模

面向用户行为序列的深度上下文建模

引用

作者：崔强中国科学院大学

学位级别：博士

科技改变生活，随着科技尤其是互联网等技术的深入发展及广泛运用，多彩缤纷的线上应用与人们的生活结合得越来越紧密。这些应用累积了大量用户对项目的行为，比如购买和点击，按时间顺序可获得相应的用户行为序列。在产生用户行为的过... 详细信息

科技改变生活，随着科技尤其是互联网等技术的深入发展及广泛运用，多彩缤纷的线上应用与人们的生活结合得越来越紧密。这些应用累积了大量用户对项目的行为，比如购买和点击，按时间顺序可获得相应的用户行为序列。在产生用户行为的过程中，往往伴随着丰富的上下文信息，例如时间、空间、图像、文本描述等。这些信息能从多角度去辅助描述用户、项目和行为，不仅能丰富特征表达取得更好的模型性能，还有助于缓解冷启动、数据稀疏等问题。当前，深度学习在计算机视觉、自然语言处理等领域取得了巨大的突破，将其应用于用户行为序列建模，前景广阔。本文面向用户行为序列，采用基于循环神经网络（Recurrent Neural Network，RNN）等的深度学习方法，研究多种形式的上下文建模策略，提出相应的创新方案，具体研究内容如下:　　(1)在建模用户的当前时刻行为时，可将序列中其它时刻的行为视为上下文，本文称之为时序上下文。为了使用与当前时刻相临近的用户行为，本文提出了层次化上下文注意力网络，将上下文注意力建模分别应用在RNN的输入层、隐含层。RNN模型在每时刻只处理一个输入、一个隐藏状态，模型将临近的多个输入、多个隐藏状态当做上下文。在输入层，将当前时刻之前的多个输入收集起来，组成上下文矩阵，并采用注意力机制抽取重要特征，形成上下文输入向量，再与该时刻原本的输入共同送入RNN。在隐含层，同样收集当前时刻之前的多个隐藏状态，组成上下文矩阵，并采用注意力机制形成上下文隐藏向量，再与该时刻原本的隐藏状态做非线性激活，生成最终的当前时刻隐藏状态。该方法在用户购买、点击等场景中取得了优异的性能，能很好地把握用户短期兴趣的建模。　　(2)使用行为本身做上下文虽然效果显著，但建模有局限，例如无法处理冷启动问题，使用当前上下文可从多种视角去丰富建模。当前上下文，是行为序列之外且伴随当前时刻行为的信息，例如天气等。为了探索多样当前上下文的建模方式，提出了多视角循环神经网络模型。本文以用户网络购物为例，引入项目的图像信息、文本描述，预测下一次购买。具体的建模过程分为两步，包含多特征建模和用户兴趣建模。在特征层面，基于原有用户序列学习项目编号的隐含特征，引入图文后得到图像特征、文本特征。设计三种方式去组合多特征:拼接、图文融合、图文融合后再重构。由于组合后的特征，本质上仍要通过拼接做为模型的输入，因此再设计两种方式处理输入以得到用户兴趣。多特征直接输入一条RNN得到综合的用户兴趣，多特征分别输入多个RNN得到各自用户特征后再组合。该方法在两个用户购买数据集上都取得了最优的效果，并且项目的图文特征利于缓解冷启动问题。　　(3)引入上下文后值得做深入探索，多信息融合能进一步挖掘信息间的影响与联系。为了探索不同的上下文融合方式，本文提出了个性化的空间偏好模型。选择推荐系统中地点预测这一经典问题，建模用户曾到访过的地点，并引入地点两两间的距离间隔信息，以便更准确预测用户下次的地点。在建模过程中，一方面采用RNN建模基础的用户地点序列，得到用户的序列偏好。另一方面，通过建模用户每次的距离间隔，得到用户对下次距离的空间偏好。而后，设计线性、非线性两种方式去组合用户在每个时刻的序列偏好、空间偏好。该方法极大提升了预测准确度，线性组合可直观看到不同信息的作用，而非线性的融合方式能更好地适应数据多样性、把握数据中的复杂关联关系。

关键词：用户行为序列上下文信息循环神经网络模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于混合模型的通货膨胀率预测及分析

基于混合模型的通货膨胀率预测及分析

引用

作者：常家铭对外经济贸易大学

学位级别：硕士

通货膨胀率的预测在国家经济决策中占有重要地位。疫情发生以来，为了加速经济复苏，各国纷纷出台了一系列货币政策，这使得利率不断降低，流动性泛滥，全球已经出现了通货膨胀的迹象。研究通货膨胀率的预测方法，有助于判断通货膨胀率... 详细信息

通货膨胀率的预测在国家经济决策中占有重要地位。疫情发生以来，为了加速经济复苏，各国纷纷出台了一系列货币政策，这使得利率不断降低，流动性泛滥，全球已经出现了通货膨胀的迹象。研究通货膨胀率的预测方法，有助于判断通货膨胀率未来的走势，为制定经济政策提供相关的参考，对迅速恢复我国经济有一定程度上的实际意义。　　本文使用ES-RNN混合模型来对通货膨胀率进行时间序列预测，ES-RNN模型由指数平滑(ExponentialSmoothing，ES)模型与循环神经网络(recurrentneuralnetworks，RNN)结合而成，并使用随机梯度下降来同时学习ES—RNN模型的指数平滑部分与循环神经网络部分的参数。该模型使用动态计算图技术实现参数的分层训练，即将模型的参数分为局部参数与全局参数两种，局部参数为每条参与训练的时间序列数据生成不同的参数，用于学习该时间序列中独有的特征，全局参数则由所有参与训练的时间序列数据共用，用于学习它们的共同特征。局部参数包括ES-RNN模型中ES部分的所有参数，用于学习并提取数据中的季节性与水平，并对输入的数据进行去季节化与自适应标准化。全局参数包括模型的RNN部分的所有参数，该部分使用扩张的长短期记忆网络(DilatedLongshort-termmemory)来实现，用于拟合数据中的非线性趋势。　　本文使用中国2001年1月至2021年9月的CPI及45种相关的宏观经济指标的月度数据，在短期、中期和长期三个预测尺度上来进行实证分析。同时为了验证ES-RNN模型的预测能力，本文分别建立了简单模型、ES模型、LSTM模型、SARIMA模型、CNN模型，在相同的数据集上进行训练，其中ES模型、LSTM模型分别对应ES-RNN模型中的ES部分和RNN部分，具有相同的结构，用以验证经过混合后的模型是否性能得到了提升。结果表明:1、ES-RNN混合模型相对于其他模型具有良好的表现。2、ES-RNN混合模型的预测效果优于单独使用其ES部分或LSTM部分的预测效果。3、使用多条与通货膨胀率相关的宏观经济数据同时进行预测的效果比只使用通货膨胀率数据进行训练的效果更好。

关键词：通货膨胀率时间序列预测指数平滑模型循环神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于循环神经网络的人口死亡率研究

基于循环神经网络的人口死亡率研究

引用

作者：陈信上海财经大学

学位级别：硕士

随着经济及医疗科技水平的提高,我国人口死亡率逐年下降,人均寿命不断延长,长寿风险随之而来。长寿是社会进步的标志,但是也给政府公共财政支出以及寿险公司带来巨大挑战,长寿风险加大了养老保险体系未来的偿付压力、冲击了寿险公司经... 详细信息

随着经济及医疗科技水平的提高,我国人口死亡率逐年下降,人均寿命不断延长,长寿风险随之而来。长寿是社会进步的标志,但是也给政府公共财政支出以及寿险公司带来巨大挑战,长寿风险加大了养老保险体系未来的偿付压力、冲击了寿险公司经营的稳健性。因此构建合适的死亡率模型来精准预测未来人口死亡率的变动趋势,已成为解决长寿风险的基础。现在我国对人口死亡率的统计数据还比较少,数据质量还比较差,而对我国人口死亡率的研究主要还是以传统的Lee-Carter模型为主。近年来,得益于计算能力的提高,深度学习技术重新登上舞台,深度学习具有从样本中准确学习数据规律的特性,它在检测未知和不可识别的模式方面非常有用,其中循环神经网络结构(RNN)的主要应用领域是时间序列分析和自然语言处理。本文采用RNN神经网络最流行的两种结构(LSTM和GRU)来探究其在人口死亡率预测方面的应用。考虑样本量和数据质量可能会对模型预测效果造成影响,本文同时使用中美两国的数据分别构建模型,其中中国和美国分别采用1994-2018年和1950-2018年分年龄分性别死亡率数据。通过将1994-2014年中国的数据作为训练集来训练模型,进而预测2015-2018年的死亡率数据,根据2015-2018年的实际观测值来计算均方误差作为模型评判标准。同理美国是以1950-2010作为训练集,2011-2018作为测试集。本文构建4个循环神经网络模型,包括分性别建模的LSTM和GRU模型以及双性别联合建模的LSTM和GRU模型,并以Lee-Cater模型作为循环神经网络模型的比较基准,对各个模型的预测结果进行分析。结果表明,无论是在样本量较小且质量较差的中国数据还是在样本量较大且质量较好的美国数据上,构建的4个循环神经网络模型在样本外的预测结果均优于Lee-Carter模型,而且循环神经网络模型在捕捉特定年龄段死亡率随时间变动方面有着更好的效果。综合来看,4个循环神经网络模型中表现最好的是双性别联合建模的LSTM模型,而且在50个不同的随机种子上,其比GRU模型具有更好的稳定性。最后,以双性别联合建模的LSTM模型来分别预测中美两国未来10年分年龄分性别的死亡率,从而发现中国两性各年龄段死亡率在未来均有非常明显的改善,其中女性改善幅度大于男性,而美国两性死亡率仅在青年人口存在改善,整体改善幅度远小于中国。

关键词：死亡率预测循环神经网络模型 LSTM GRU Lee-Carter

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：