-
题名基于Bi-LSTM-MLP的水下声速预测
- 1
-
-
作者
周明胡
赵英亮
韩星程
黄嘉瑒
王国祥
-
机构
中北大学信息与通信工程学院
-
出处
《机械与电子》
2025年第11期8-14,共7页
-
基金
国家自然科学青年基金资助项目(62203405)
山西省应用基础研究计划项目(202303021212206)
山西省重点研发计划项目(202202110401015)。
-
文摘
针对直接测量获取声速剖面(SVP)数据设备成本高、频繁观测效率低下的问题,提出一种基于双向长短期记忆网络与多层感知机融合模型(Bi-LSTM-MLP)的SVP预测方法。该模型融合了双向长短期记忆网络(Bi-LSTM)对时序前后依赖关系的建模能力与多层感知机(MLP)在非线性特征映射和空间整合上的优势,有效提升了SVP预测的精度与泛化性能。所提方法在相同条件下相较于Conv-LSTM和Bi-LSTM模型,在MSE指标上分别提升了约43%和74%。在6个不同地理位置下的预测结果中,模型的准确率指标则基本稳定在99.91%以上;而在固定位置的月度连续预测中,MSE最大值控制在0.50 m/s,验证了模型在时空维度上的准确率与鲁棒性。
-
关键词
声速预测
深度学习
bi-lstm-mlp
SVP
-
Keywords
sound speed prediction
deep learning
bi-lstm-mlp
SVP
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TB56
[交通运输工程—水声工程]
-
-
题名基于集成学习方法的实体关系抽取
被引量：1
- 2
-
-
作者
丰小丽
张英俊
谢斌红
赵红燕
-
机构
太原科技大学计算机科学与技术学院
-
出处
《计算机系统应用》
2021年第6期255-261,共7页
-
文摘
基于神经网络的实体关系抽取模型已经被证明了它的有效性,但使用单一的神经网络模型在不同的输入条件下,会表现出不同的结果,性能不太稳定.因此本文提出一种利用集成学习思想将多个单一模型集成为一个综合模型的方法.该方法主要使用MLP (MultiLayer Perceptron)将两个单一模型Bi-LSTM (Bi-directional Long ShortTerm Memory)和CNN (Convolutional Neural Network)集成为一个综合模型,该模型不仅可以充分利用两个单一模型的优势,而且可以利用MLP的自学习能力与自动分配权重的优势.本研究在SemEval 2010 Task 8数据集上取得了87.7%的F1值,该结果优于其他主流的实体关系抽取模型.
-
关键词
实体关系抽取
Bi-LSTM
CNN
集成学习
MLP
-
Keywords
entity relation extraction
Bi-LSTM
CNN
ensemble learning
MLP
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
