检索结果-内蒙古大学图书馆

基于长短时记忆循环神经网络的北京市糖尿病合并呼吸系统疾病患者入院预测研究

浙江大学学报（医学版） 2022年第1期51卷 1-9页

作者：朱倩章萌胡耀余徐小林陶丽新张杰罗艳侠郭秀花刘相佟首都医科大学公共卫生学院北京100069 浙江大学医学院公共卫生学院浙江杭州310058 澳大利亚昆士兰大学澳大利亚布里斯班4006 北京市临床流行病学重点实验室北京100069

目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病... 详细信息

目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病合并呼吸系统疾病患者入院频数并与GAM对比,模型评价采用五折交叉验证法。结果:与GAM相比,LSTM-RNN具有较低的预测误差[均方根误差(RMSE)分别为21.21±3.30和46.13±7.60,P<0.01;平均绝对误差(MAE)分别为14.64±1.99和36.08±6.20,P<0.01]和较高的拟合优度(R^(2)值分别为0.79±0.06和0.57±0.12,P<0.01)。在性别分层中,预测女性入院频数时,LSTM-RNN三项指标均优于GAM(均P<0.05);预测男性入院频数时,两模型误差评价指标差异无统计学意义(均P>0.05)。在季节分层中,预测温暖季节的入院频数时,LSTM-RNN的RMSE和MAE均低于GAM(均P<0.05),R2值差异无统计学意义(P>0.05);预测寒冷季节入院频数时,两种模型的RMSE、MAE和R2值差异均无统计学意义(均P>0.05)。在功能区分层中,预测首都功能核心区入院频数时,LSTM-RNN的RMSE、MAE和R2值均优于GAM(均P<0.05)。结论:LSTM-RNN预测误差较小,拟合程度优,可作为污染天气提前精准配置医疗资源的预测手段。

关键词：长短时记忆循环神经网络广义相加模型呼吸系统疾病糖尿病日入院频数预测

来源：评论

学校读者我要写书评

暂无评论

基于关键帧筛选网络的视听联合动作识别

引用

计算机应用 2022年第3期42卷 731-735页

作者：陈亭秀尹建芹北京邮电大学人工智能学院北京100876

近年来,视听联合学习的动作识别获得了一定关注。无论在视频(视觉模态)还是音频(听觉模态)中,动作发生是瞬时的,往往在动作发生时间段内的信息才能够显著地表达动作类别。如何更好地利用视听模态的关键帧携带的显著表达动作信息,是视听... 详细信息

近年来,视听联合学习的动作识别获得了一定关注。无论在视频(视觉模态)还是音频(听觉模态)中,动作发生是瞬时的,往往在动作发生时间段内的信息才能够显著地表达动作类别。如何更好地利用视听模态的关键帧携带的显著表达动作信息,是视听动作识别待解决的问题之一。针对该问题,提出关键帧筛选网络KFIA-S,通过基于全连接层的线性时间注意力机制赋予每个时刻视听信息不同权重,从而筛选益于视频分类的视听特征,减少重复冗余信息,抑制背景干扰信息,提升动作识别精度。研究了不同强度的时间注意力对动作识别的影响。在ActivityNet数据集上的实验表明,KFIA-S网络达到了最先进的识别精度,证明了所提方法的有效性。

关键词：视频动作识别视听联合学习时间注意力深度学习长短时记忆循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于LSTM算法的冷轧机架振动动态预警分析

引用

锻压装备与制造技术 2024年第2期59卷 153-156页

作者：马志刚新乡职业技术学院智能制造学院河南新乡453000

在实际生产阶段冷轧机具有多态性与时变性,需要对轧机振动动态预警进行转换形成包含多变量的时间序列预警。建立了一种基于LSTM算法的冷轧机振动预警模型。研究结果表明:提高步长后模型预警性能获得明显提升,随着步长到达5后,模型表现... 详细信息

在实际生产阶段冷轧机具有多态性与时变性,需要对轧机振动动态预警进行转换形成包含多变量的时间序列预警。建立了一种基于LSTM算法的冷轧机振动预警模型。研究结果表明:提高步长后模型预警性能获得明显提升,随着步长到达5后,模型表现也逐渐变差,步长为4时,获得了最优预警效果。结合实际振动报警阈值,在预警振动能量值升高至阈值75%时激发形成振动预报,第一卷与第二卷分别提前预报1.6s与3.2s。该研究对控制板材的精度具有很好的指导意义。

关键词：轧机振动长短时记忆循环神经网络预报模型

来源：评论

学校读者我要写书评

暂无评论

基于长短期记忆网络的冷连轧机架振动动态预警

引用

工程机械文摘 2024年第1期 37-39页

作者：张林强郑州理工职业学院机电工程学院河南新郑451150

冷连轧机架在工作过程中产生的振动会影响到板材精度和设备运行稳定性。为克服传统研究方法只根据工艺反应机制开展理论建模的缺陷,建立了一种基于长短期记忆网络(LSTM)的冷连轧机架振动预警模型。选择验证集均方误差作为目标函数,通过... 详细信息

冷连轧机架在工作过程中产生的振动会影响到板材精度和设备运行稳定性。为克服传统研究方法只根据工艺反应机制开展理论建模的缺陷,建立了一种基于长短期记忆网络(LSTM)的冷连轧机架振动预警模型。选择验证集均方误差作为目标函数,通过网格搜索方式寻优计算获得最佳超参数组合结果,构建最佳振动预警模型。研究结果表明:第一卷在310 s形成了剧烈振动,第二卷位于开轧后615 s形成了更大峰值,表现为剧烈振动特征。随着报警阈值的降低,第一卷和第二卷的提前报警时间均表现出单调增加的变化规律。该研究对提高冷连轧机工作稳定性具有一定的实际指导意义。

关键词：轧机振动长短时记忆循环神经网络预报模型

来源：评论

学校读者我要写书评

暂无评论

基于视频分析的集输站库火焰识别方法

引用

中国新技术新产品 2024年第2期 140-142页

作者：王帅朝毛嘉玮乔怡博徐光平杨文明陕西黄陵发电有限公司陕西延安727300 北京中安吉泰科技有限公司北京100085

基于视频分析的火焰识别能够克服传统火焰识别方法的局限性(辐射范围小、易受环境影响且响应速度慢)。本文融合火焰识别的静态特征和动态特征,采用卷积神经网络和长短时记忆循环神经网络相结合的网络模型,并在模型中加入对比学习,增强... 详细信息

基于视频分析的火焰识别能够克服传统火焰识别方法的局限性(辐射范围小、易受环境影响且响应速度慢)。本文融合火焰识别的静态特征和动态特征,采用卷积神经网络和长短时记忆循环神经网络相结合的网络模型,并在模型中加入对比学习,增强模型学习特征的能力。试验结果表明,本文提出的CNN-LSTM融合模型能够取得更好的识别效果。

关键词：火焰识别卷积神经网络长短时记忆循环神经网络对比学习

来源：评论

学校读者我要写书评

暂无评论

通过轻量级人体动作识别实现老年人安全实时监控

引用

软件工程与应用 2023年第2期12卷 198-208页

作者：吴嘉轩申奇沈阳理工大学信息科学与工程学院辽宁沈阳

本文旨在探讨如何通过轻量级人体动作识别技术实现老年人安全实时监控。老年人安全问题一直是一个备受关注的问题,尤其是在现代化社会,许多老年人居住在独自生活的环境中,缺乏及时的照顾和照料。为了及时监控老年人的安全情况,本文提出... 详细信息

本文旨在探讨如何通过轻量级人体动作识别技术实现老年人安全实时监控。老年人安全问题一直是一个备受关注的问题,尤其是在现代化社会,许多老年人居住在独自生活的环境中,缺乏及时的照顾和照料。为了及时监控老年人的安全情况,本文提出了一种面向老年人实时监控系统的轻量级人体动作识别算法。本文使用卷积神经网络与具有长短时记忆的循环神经网络的组合架构,结合了卷积神经网络在图像特征提取过程中的优越性能,以及长短时记忆神经网络对时序数据处理过程的特点,并进行了详细的实验验证,实验结果表明本文提出的轻量级人体动作识别算法具有显著的优势。

关键词：老年人安全监控轻量级人体动作识别长短时记忆循环神经网络动作识别智能监控

来源：评论

学校读者我要写书评

暂无评论

LSTM和GRU神经网络对甘肃省狂犬疫苗接种量的预测效果比较

引用

实用预防医学 2023年第12期30卷 1453-1456页

作者：梁雪枫刘舒瑜那金焦永卓邓琳张晓曙甘肃省疾病预防控制中心甘肃兰州730000

目的应用长短时记忆循环神经网络(long short-term memory,LSTM)和门控循环单元(gate recurrent unit,GRU)对甘肃省狂犬疫苗接种量进行分析和预测。方法对2020年1月1日—2021年12月31日甘肃省狂犬疫苗日接种量分别进行LSTM和GRU神经网... 详细信息

目的应用长短时记忆循环神经网络(long short-term memory,LSTM)和门控循环单元(gate recurrent unit,GRU)对甘肃省狂犬疫苗接种量进行分析和预测。方法对2020年1月1日—2021年12月31日甘肃省狂犬疫苗日接种量分别进行LSTM和GRU神经网络建模拟合,以2022年1月1日—8月30日的日接种量数据进行检验并比较两模型的预测效果。结果2020年1月1日—2022年8月30日甘肃省累计接种狂犬疫苗893123剂次,LSTM和GRU神经网络预测2022年1月1日—8月30日狂犬疫苗接种量的均方根误差(root mean squared error,RMSE)分别为86.06和102.63,平均绝对误差(mean absolute error,MAE)分别为73.62和83.11,提示LSTM神经网络的预测精度优于GRU,预测结果和实际接种量基本一致。结论通过对甘肃省狂犬疫苗接种量的准确预测,可为狂犬疫苗生产和物流企业提供精准的规划,提高疫苗流通效率,降低疫苗生产及存储过量和不足风险。

关键词：狂犬疫苗接种量预测长短时记忆循环神经网络门控循环单元

来源：评论

学校读者我要写书评

暂无评论

工业数据驱动下薄板冷轧颤振的LSTM智能预报

引用

机械工程学报 2020年第11期56卷 121-131页

作者：刘阳郜志英周晓敏张清东北京科技大学机械工程学院北京100083

冷轧机颤振问题由来已久,随着更薄规格、更高强度和更快速度的要求,该问题更加突出,诱发机理复杂多变且隐蔽,过度依赖经验判断难以及时有效地抑制颤振的发生,基于历史振动大数据实现冷轧颤振的智能预报是面向智能轧制的重要应用场景。... 详细信息

冷轧机颤振问题由来已久,随着更薄规格、更高强度和更快速度的要求,该问题更加突出,诱发机理复杂多变且隐蔽,过度依赖经验判断难以及时有效地抑制颤振的发生,基于历史振动大数据实现冷轧颤振的智能预报是面向智能轧制的重要应用场景。考虑冷轧颤振工业数据的多源、多态与强耦合特征,通过多源数据的采集交互、时刻匹配、频率协同、数据降维等数据预处理建立颤振预报模型的样本空间;基于长短时记忆(Long short–term memory,LSTM)循环神经网络建立轧机颤振能量值的智能预报模型,利用轧件规格、轧辊状况、轧制工艺以及轧机振动状态的历史信息数据,对最为典型和振动频繁的第五机架振动能量值加以预测;分析了不同时间步长对预测效果的影响以获得最优的预测步长,模型预测结果的变化趋势与实际数据的变化趋势基本一致,训练数据集与测试数据集的均方误差较小;然后,将模型应用于未参与训练与测试的实际轧制过程数据,结果表明LSTM模型能够很好地实现颤振预测,且根据设定的报警阈值能够实现提前预报。研究结果表明基于多源历史振动数据的深度学习与挖掘能够实现对连轧颤振失稳的智能预报,不仅能够在实际生产中发挥作用,而且对实现冷轧过程的智能化具有积极的推动意义。

关键词：轧机颤振工业大数据长短时记忆循环神经网络深度学习预报

来源：评论

学校读者我要写书评

暂无评论

车辆换道意图识别和轨迹预测模型研究

车辆换道意图识别和轨迹预测模型研究

引用

作者：沈航先东北林业大学

学位级别：硕士

本文以准确预测出在不同驾驶环境下的车辆换道意图和换道轨迹为目标,首先分析了大量国内外关于驾驶意图识别和轨迹预测方法以及研究现状,分析了驾驶员的换道行为。随后,设计并搭建驾驶模拟器实验,采集驾驶人在不同道路条件下的驾驶行为... 详细信息

本文以准确预测出在不同驾驶环境下的车辆换道意图和换道轨迹为目标,首先分析了大量国内外关于驾驶意图识别和轨迹预测方法以及研究现状,分析了驾驶员的换道行为。随后,设计并搭建驾驶模拟器实验,采集驾驶人在不同道路条件下的驾驶行为参数和车辆运动学参数数据,提取表征车辆换道行为的参数作为基础数据。建立极端梯度提升(Extreme Gradient Boosting,XGBoost)换道意图识别模块和长短时记忆循环神经网络(Long Short-term Memory,LSTM)换道轨迹预测模块,最终对模型效果进行评价。本文具体研究工作如下:实验方案设计和数据采集。首先,在分析国内外相关研究的基础上,结合论文的研究目的,将换道行为划分为意图阶段和执行阶段。接着,进行实验方案的设计,包括前期实验平台搭建、城市主干路和高速公路驾驶模拟所需场景设计、所需数据采集设计工作等。同时,通过80名驾驶人分别在城市主干路和高速公路场景进行实验采集驾驶数据。通过异常数据剔除对原始数据进行了预处理,选取能够表征车道保持阶段和换道过程阶段的参数,建立样本数据库,为后续章节提供数据支撑。选取参数分析。通过特征筛选得到了车辆行驶速度、纵向加速度、加速度踏板开度、制动踏板开度、方向盘转角和横摆角六个特征参数。通过直观分析方法、参数标准差和均值等参考量,对在不同道路条件下驾驶员行驶过程中,车辆处于车道保持和换道过程阶段下的参数进行分别分析。换道意图识别和轨迹预测模型建立。在现实场景中,若能够准确的预测出换道意图将会提高车辆运行轨迹的精确性。本文提出XGBoost-LSTM的换道意图和车辆轨迹预测,该预测模型由意图识别模块和轨迹输出模块组成,通过XGBoost构建换道意图识别模块,计算出车辆的行驶意图,并与车辆历史轨迹和选取参数共同作为历史数据输入LSTM换道轨迹模块,预测出车辆接下来的换道轨迹。利用XGBoost对城市主干路和高速公路换道意图进行识别,通过模型预测精度并参考国内外研究现状确定换道意图时窗,根据选取的换道意图时窗作为LSTM换道轨迹预测输入,设置好LSTM模型参数,分别对城市主干路和高速公路的换道轨迹进行预测,绘制轨迹拟合情况图,最终通过均方根误差(Root-Mean-Square Error,RMSE)评价指标对换道轨迹预测拟合情况进行评价。

关键词：交通安全换道意图识别换道轨迹预测极端梯度提升长短时记忆循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的加密流量分类研究

基于深度学习的加密流量分类研究

引用

作者：王方玉郑州大学

学位级别：硕士

在网络流量加密的趋势下,加密技术和协议的广泛应用,网络中面临着海量规模的加密流量。加密流量趋向复杂化和多样化,加大了网络监管系统对流量的识别难度。因此,在不解密的情况下,如何实现对加密流量的精确分类逐渐成为研究热点。分析... 详细信息

在网络流量加密的趋势下,加密技术和协议的广泛应用,网络中面临着海量规模的加密流量。加密流量趋向复杂化和多样化,加大了网络监管系统对流量的识别难度。因此,在不解密的情况下,如何实现对加密流量的精确分类逐渐成为研究热点。分析当前加密流量分类的研究现状,仍存在以下问题待改善:1)数据集处理层面,加密流量数据分布不平衡的问题仍待更深层的研究;2)特征提取层面,当前的人工设计特征方法难以应对当前的海量数据,且设计的特征存在滞后性,耗费大量的人力和物力;3)分类器分类层面,分类模型应用场景单一,泛化力弱,且分类器分类准确率的稳定性差。本文基于深度学习技术开展了加密流量分类的关键问题研究,旨在提高对当前复杂网络环境中分类的准确性和泛化能力等方面分析研究,本文的研究内容以及创新贡献介绍如下:1.针对流量数据中流量类别不平衡的造成的分类器倾向于多数类样本,少数类样本被错误分类的问题,提出了一种基于改进条件变分自编码算法的流量数据分布不平衡预处理模型。与当前的不平衡数据处理方法相比,该方法利用解码器对少样本流量数据生成,把新生成的流量数据加入到原数据中,组成平衡的增强数据集。该方法可解决当前过采样算法存在的过拟合、边界模糊的问题和欠采样存在的丢失样本有效信息的问题。本文提出的改进过采样算法,可节省大量的时间,降低了任务的复杂度。最后通过实验调节神经网络中的多项超参数,在加密流量实验数据集的精度、查准率和F-measure值的结果中表明,该方法相比其他方法可以提高1%-5%,具有较高的应用价值。2.针对当前机器学习算法依赖于领域专家驱动的手工特征,无法满足当前大规模网络下的海量加密流量分类,为了保证服务质量、网络安全管理以及异常检测对加密流量精细化分类的需求,提出了基于表征学习的加密流量分类研究方法。首先改进了表征学习中的卷积神经网络网络的特征学习方式,在学习到更丰富的特征时,减少卷积核的参数,以实现高准确率和效率的分类效果。理论分析以及实验结果表明,通过本文提出的方法在实现自动化特征学习的同时,加密流量分类的准确率较高。3.针对加密恶意流量存在的特征依赖和检测准确率稳定性低的问题,提出了一种基于图卷积与长短时记忆循环神经网络的联合检测模型。该方法使用图卷积神经网络学习网络流量的节点属性特征和结构特征,使用双向LSTM进一步学习网络流量的上层时序特征。特征学习过程是自动化学习过程,无须对加密流量解密,网络可以动态更新学习节点特征,以保证对新出现的流量类型可以进行异常检测。采用多个实验指标主要从分类器的准确率、不平衡数据的检测效果以及分类器检测准确率稳定性三个方面四类方法进行了对比实验,实验结果表明本文提出的方法有效提高了分类检测准确率稳定性。

关键词：深度学习条件变分自编码表征学习图卷积神经网络长短时记忆循环神经网络加密流量分类

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：