检索结果-内蒙古大学图书馆

数量经济技术经济研究 2003年第1期20卷 14-17页

作者：刘光中颜科琦四川大学工商管理学院

本文对四川省经济发展和用电需求的关系用三种不同的方法各自作出独立预测,然后用组合预测网络综合三项单独预测的有用信息,给出未来20年四川省在经济发展高、中、低三种水平下电力需求的预测情况。结果表明,目前四川电力供应过剩只是... 详细信息

本文对四川省经济发展和用电需求的关系用三种不同的方法各自作出独立预测,然后用组合预测网络综合三项单独预测的有用信息,给出未来20年四川省在经济发展高、中、低三种水平下电力需求的预测情况。结果表明,目前四川电力供应过剩只是暂时的低用电水平下的相对过剩,四川电力工业应发挥自身资源优势,适度超前发展。

关键词：组合神经网络模型电力需求资源优势四川电力工业

来源：评论

学校读者我要写书评

暂无评论

涡流检测中的组合神经网络模型

引用

电子学报 2002年第5期30卷 734-737页

作者：幸玲玲王东进南京师范大学电气工程系江苏南京210042 中国科学技术大学电子工程系安徽合肥2300727

针对使用单一神经网络在缺陷识别中存在的输入矢量维数高 ,结构复杂及训练时间长等问题 ,本文提出了组合神经网络模型 ,这一模型采用逐级判别的方法 ,每级判断均采用独立的神经网络子模块 ,各模块采用随机学习算法分别进行训练 .裂缝识... 详细信息

针对使用单一神经网络在缺陷识别中存在的输入矢量维数高 ,结构复杂及训练时间长等问题 ,本文提出了组合神经网络模型 ,这一模型采用逐级判别的方法 ,每级判断均采用独立的神经网络子模块 ,各模块采用随机学习算法分别进行训练 .裂缝识别的计算实例表明 ,这一组合模型使神经网络输入变量的维数从N2 降低到N ,网络结构大为简化 ,训练速度很快 ,同时具有较高的缺陷识别率。

关键词：电磁场涡流检测裂缝识别组合神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于组合神经网络模型对纺织品热阻与湿阻的估计研究

引用

丝绸 2008年第4期45卷 40-42页

作者：楚艳艳汪青崔世忠禹建丽中原工学院纺织学院郑州450007

针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精... 详细信息

针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精度平均值分别为7.97%和6.69%;BP人工神经网络模型的估计精度平均值分别为4.23%和4.72%;组合神经网络模型的估计精度分别为1.31%和1.97%,估计精度高于其他两种模型。

关键词：纺织品热湿阻舒适性线性回归模型 BP神经网络组合神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于组合神经网络模型的预测方法、装置、设备及介质

基于组合神经网络模型的预测方法、装置、设备及介质

引用

作者：王梅云吴亚平张戈 215224 江苏省苏州市吴江区太湖新城夏蓉街399号稻谷互联网产业园1号楼1702-3室

本发明提供一种基于组合神经网络模型的预测方法、装置、设备及介质，所述组合神经网络模型包括多个不同的子神经网络模型，所述方法包括：获取待处理图像数据；分别利用各个所述子神经网络模型对所述待处理图像数据进行处理，得到对应... 详细信息

标准号: CN115861662A

本发明提供一种基于组合神经网络模型的预测方法、装置、设备及介质，所述组合神经网络模型包括多个不同的子神经网络模型，所述方法包括：获取待处理图像数据；分别利用各个所述子神经网络模型对所述待处理图像数据进行处理，得到对应的预测结果；分别计算所述待处理图像数据与各个所述子神经网络模型对应的模板图像之间的相似度，所述模板图像基于训练对应子神经网络模型的训练图像数据集确定；基于所述待处理图像数据与各个所述模板图像之间的相似度，采用加权平均法对各个所述子神经网络模型对应的预测结果进行融合处理，得到最终的预测结果。本发明的预测方法通过动态分配权重系数，提高了组合神经网络模型的预测准确性。

关键词：神经网络模型待处理图像组合神经网络模型模板图像预测结果相似度预测加权平均法分配权重融合处理训练图像数据集

来源：评论

学校读者我要写书评

暂无评论

基于组合神经网络模型的金融时序预测

引用

现代计算机 2022年第22期28卷 37-41,46页

作者：卜钰家澳门大学协同创新研究院中国澳门999078

金融市场中的股票价格具有波动性和复杂性,而如今传统模型很难有效进行股价预测。选取上证指数作为数据集,提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型,BP-LSTM模型利用BP模型提取数据中的非时序信息,再用LSTM模型提取数据中的时... 详细信息

金融市场中的股票价格具有波动性和复杂性,而如今传统模型很难有效进行股价预测。选取上证指数作为数据集,提出了BP-LSTM模型和ARIMA-LSTM模型这两种混合模型,BP-LSTM模型利用BP模型提取数据中的非时序信息,再用LSTM模型提取数据中的时序信息的优点。ARIMA-LSTM模型中ARIMA模型可以利用数据中的线性信息,而LSTM模型适合提取数据中的非线性信息。为了证明模型的可行性,建立了LSTM模型,BP模型和ARIMA模型来进行对比,得出ARIMA-LSTM的预测效果好过其他的模型,BP-LSTM预测股价效果不好,但更适合做分类来预测股票涨跌。

关键词：组合神经网络模型 LSTM模型 BP模型 ARIMA模型股价预测

来源：评论

学校读者我要写书评

暂无评论

基于BP-LSTM组合神经网络模型的汽车车速预测

引用

智能计算机与应用 2022年第6期12卷 54-59页

作者：王维强于金泉周一鹤严运兵武汉科技大学汽车与交通工程学院武汉430065

准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义。针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出:反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练... 详细信息

准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义。针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出:反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练集数据和得到的预测输出、残差输入到Adam算法优化的LSTM神经网络中,用于训练LSTM模型。结合BP网络结构简单、预测时间短、LSTM精度高的优点,通过深度学习框架Tensorflow进行模型的搭建与验证,实现基于BP-LSTM组合神经网络模型的短时车速预测。结果表明:组合神经网络预测效果优于BP、LSTM两种单一模型,预测精度得到改善。

关键词：车速预测组合神经网络模型 BP神经网络 LSTM神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于组合神经网络模型的配电终端故障判别方法及系统

一种基于组合神经网络模型的配电终端故障判别方法及系统

引用

作者：宋旭东韩博文张晓平高雅侯艾君陈小军 510600 广东省广州市越秀区东风东路757号

本申请具体涉及一种基于组合神经网络模型的配电终端故障判别方法及系统，通过对配电终端测量系统测得的时域的电气数据进行时域变换得到各数据的时频图谱并构成原始训练集，利用生成式对抗神经网络GAN对原始训练集生成扩容，根据随机... 详细信息

标准号: CN110516742A

本申请具体涉及一种基于组合神经网络模型的配电终端故障判别方法及系统，通过对配电终端测量系统测得的时域的电气数据进行时域变换得到各数据的时频图谱并构成原始训练集，利用生成式对抗神经网络GAN对原始训练集生成扩容，根据随机数序列随机生成的新时频图谱与原始训练集构成新训练集，为卷积神经网络CNN提供更多更全面的训练样本；在GAN生成式扩容的基础上应用卷积神经网络CNN进行模型训练，大大提高了判别模型对未知故障类型的数据的判别准确度；本发明提供的方法和系统可以对故障类型在线判别，及时反馈配电终端的设备运行状态，无需在离线状态下到设备现场才能对设备检修获得故障类型，从而提高运维效率和减少运维工作量。

关键词：原始训练集故障类型配电终端神经网络生成式扩容时频运维图谱组合神经网络模型卷积神经网络设备运行状态随机数序列准确度测量系统电气数据故障判别离线状态模型训练判别模型时域变换随机生成训练样本应用卷积在线判别对设备训练集时域工作量检修反馈对抗申请

来源：评论

学校读者我要写书评

暂无评论

一种基于CNN-LSTM-Attention组合神经网络模型的烘丝加工强度预测方法

一种基于CNN-LSTM-Attention组合神经网络模型的烘丝加工强度预测...

引用

作者：易斌唐军高晓华李雯琦林文强周冰方俊俊张超秦鹏杨耀晶高宇雷张立斌周晓龙谭国治何邦华刘丹楹许晓黎聂蓉 650231 云南省昆明市五华区红锦路367号

本发明公开了一种基于CNN‑LSTM‑Attention组合神经网络模型的烘丝加工强度预测方法，包括如下步骤：(1)采集数据并初始化；(2)数据预处理；(3)对数据进行归一化；(4)特征筛选；(5)搭建CNN‑LSTM‑Attention组合神经网络预测模型；(6)根据... 详细信息

标准号: CN118014148A

本发明公开了一种基于CNN‑LSTM‑Attention组合神经网络模型的烘丝加工强度预测方法，包括如下步骤：(1)采集数据并初始化；(2)数据预处理；(3)对数据进行归一化；(4)特征筛选；(5)搭建CNN‑LSTM‑Attention组合神经网络预测模型；(6)根据预测数据和真实数据之间进行分析评价。相比传统的单个LSTM模型，本发明的预测精度更加准确。

关键词：组合神经网络模型组合神经网络数据预处理采集数据强度预测特征筛选预测模型预测数据真实数据初始化传统的归一化烘丝预测加工分析

来源：评论

学校读者我要写书评

暂无评论

基于组合神经网络模型的预测方法、装置、设备及介质

基于组合神经网络模型的预测方法、装置、设备及介质

引用

作者：王梅云吴亚平张戈 215224 江苏省苏州市吴江区太湖新城夏蓉街399号稻谷互联网产业园1号楼1702-3室

标准号: CN115861662B

关键词：神经网络模型待处理图像组合神经网络模型模板图像预测结果相似度预测加权平均法分配权重融合处理训练图像数据集

来源：评论

学校读者我要写书评

暂无评论

训练神经网络模型的方法和装置

训练神经网络模型的方法和装置

引用

作者：魏可鑫 518129 广东省深圳市龙岗区坂田华为总部办公楼

本申请涉及终端人工智能，提供了一种训练神经网络模型的方法和装置，联合迁移学习的方法和深度学习的方法，在样本数量、算力、训练时间一定的条件下可以训练得到精度更高的神经网络模型。该方法包括：获取第一训练样本；根据第一训练... 详细信息

标准号: CN114065901A

本申请涉及终端人工智能，提供了一种训练神经网络模型的方法和装置，联合迁移学习的方法和深度学习的方法，在样本数量、算力、训练时间一定的条件下可以训练得到精度更高的神经网络模型。该方法包括：获取第一训练样本；根据第一训练样本获取第一训练样本的第一特征向量；根据第一特征向量获取第一深度神经网络模型；根据第一训练样本获取预训练模型；将第一深度神经网络模型和预训练模型组合，以得到组合神经网络模型；根据第一训练样本训练组合神经网络模型，以得到目标神经网络模型。

关键词：训练样本神经网络模型训练模型组合神经网络模型特征向量获取训练神经网络方法和装置人工智能目标神经特征向量网络模型训练组合样本迁移终端学习申请联合

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：