期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LSTM-Conv1D-LIF的气体检测方法研究 被引量：1
1
作者 寻滔源 李攀 +3 位作者 邹璨 吴晨晖 尹崇山 邹望辉 《传感器与微系统》 北大核心 2025年第8期41-45,共5页
针对气体检测技术面临的时序数据特征提取与长期依赖捕捉难题,提出一种融合长短期记忆网络(LSTM)、一维卷积(Conv1D)与脉冲神经网络(SNN)的LSTM-Conv1D-LIF分类模型。该模型通过LSTM网络捕获气体响应信号的长期依赖关系,Conv1D提取局部... 针对气体检测技术面临的时序数据特征提取与长期依赖捕捉难题,提出一种融合长短期记忆网络(LSTM)、一维卷积(Conv1D)与脉冲神经网络(SNN)的LSTM-Conv1D-LIF分类模型。该模型通过LSTM网络捕获气体响应信号的长期依赖关系,Conv1D提取局部时序特征,最终由SNN实现精确的分类决策。实验结果显示,该模型在乙醇、甲烷、乙烯和一氧化碳四分类任务中取得98.96%的准确率,较传统方法有明显提升。通过三种网络优势互补,为工业安全预警和环境监测提供了一种高鲁棒性的解决方案。 展开更多
关键词 气体检测 脉冲神经网络 长短期记忆网络 一维卷积
在线阅读 下载PDF
基于Conv1D-LSTM混合模型的长时间序列日最高温预测研究 被引量：1
2
作者 杜智勇 杨帆 杨文杰 《北京印刷学院学报》 2024年第9期52-57,共6页
针对传统方法难以处理高维度数据捕捉气温数据中的非线性模式和复杂动态特征的问题,本文提出一种基于卷积神经网络(Conv1D)与长短期记忆网络(LSTM)相结合的混合模型,用于长时间序列高温预测研究。数据集包含北京市2014年至2023年间的气... 针对传统方法难以处理高维度数据捕捉气温数据中的非线性模式和复杂动态特征的问题,本文提出一种基于卷积神经网络(Conv1D)与长短期记忆网络(LSTM)相结合的混合模型,用于长时间序列高温预测研究。数据集包含北京市2014年至2023年间的气象数据,包括天气、日最低温、日最高温、风向等特征。通过特征工程处理,将天气和风向特征编码,并对温度特征归一化。构建的Conv1D-LSTM混合模型创新性地融合Conv1D以捕获时间序列中的局部特征,融合LSTM以学习长期依赖关系。与传统模型相比,该混合模型的均方根误差(RMSE)和平均绝对误差(MAE)分别降低约17.3%和20.5%,同时R2分数提高约1.06%,表明该模型具有更高的预测精度和泛化能力。 展开更多
关键词 日最高温预测 conv1d-LSTM混合模型 长时间序列 预测精度
在线阅读 下载PDF
基于Conv1D和LSTM组合模型的多步交通流量预测分析 被引量：2
3
作者 赵晓娟 李峰 《微型电脑应用》 2023年第5期1-3,共3页
为了提高交通流预测精度,设计一种Conv1D和LSTM相结合的多步交通流预测模型。用Conv1D获取交通流的时间与周期参数,并测试各外部因素引起的交通流量变化,再利用LSTM序列分析模型,根据上述交通流特征进行预测。研究结果表明:在加入时间... 为了提高交通流预测精度,设计一种Conv1D和LSTM相结合的多步交通流预测模型。用Conv1D获取交通流的时间与周期参数,并测试各外部因素引起的交通流量变化,再利用LSTM序列分析模型,根据上述交通流特征进行预测。研究结果表明:在加入时间信息的条件下,交通流量预测结果与实际结果间存在更大相似度,考虑时间信息影响能够获得更准确的预测结果。经过外部因素提取处理后可以获得更高精度交通流预测结果,采用Conv1D+LSTM模型可以达到比LSTM更高的精度。 展开更多
关键词 一维卷积神经网络(conv1d) 长短期记忆神经网络(LSTM) 交通流量 预测
在线阅读 下载PDF
基于Conv1D-GRU深度神经网络的短时多步水量预测方法研究 被引量：2
4
作者 毛立波 雷涛 +2 位作者 马鸿兰 郭晨光 张新伟 《给水排水》 CSCD 北大核心 2022年第11期17-21,共5页
水量预测是水务行业智能化运行调度体系的重要技术。由于用户用水具有随机性,且受到天气、节假日等外界因素影响,短时水量精确预测难度较高,而现有研究通常仅关注于单个时刻的水量预测问题,同时预测多个步长水量的研究较少。通过结合一... 水量预测是水务行业智能化运行调度体系的重要技术。由于用户用水具有随机性,且受到天气、节假日等外界因素影响,短时水量精确预测难度较高,而现有研究通常仅关注于单个时刻的水量预测问题,同时预测多个步长水量的研究较少。通过结合一维卷积(Conv1D)与门控循环单元(GRU),同时提取历史水量数据中的短期趋势性与长期周期性特征,提出了水量预测的Multi-Timestep(MT)模型。与已有研究相比,该模型可实现短时、多步长水量的同步精确预测。使用该模型预测某小区考核表未来3 h内每15 min水量,并与Prophet模型进行对比分析,结果证实MT模型在多种评价指标下,对于所预测的各时刻数据均表现出较高的精确度及稳定性。 展开更多
关键词 水量预测 一维卷积 多步预测 智慧水务
在线阅读 下载PDF
卷积神经网络方法在涌潮水动力特性演变中的应用研究
5
作者 王智弘 屈科 +2 位作者 杨元平 王旭 高榕泽 《海洋学研究》 CSCD 北大核心 2024年第3期131-141,共11页
该文基于开源软件OpenFOAM求解雷诺平均的Navier-Stokes方程,实现了对于波状涌潮(Fr=1.2~1.3)的数值模拟,并与物理实验数据比较,验证了数值模拟的准确性。使用CONV1D卷积神经网络模型对数值模拟数据进行了学习,预测出在具有斜坡地形上... 该文基于开源软件OpenFOAM求解雷诺平均的Navier-Stokes方程,实现了对于波状涌潮(Fr=1.2~1.3)的数值模拟,并与物理实验数据比较,验证了数值模拟的准确性。使用CONV1D卷积神经网络模型对数值模拟数据进行了学习,预测出在具有斜坡地形上的涌潮水动力发展过程。对比涌潮到达x=30.0 m测点处的用时和该测点的最高水位的模型预测结果与数值模拟结果可知:到达用时的平均相对误差为2.28%,最高水位的平均相对误差为3.73%。较小的相对误差证明了CONV1D模型的准确性。该文对于涌潮的水动力过程模拟、与涌潮相关的灾害预警以及初生涌潮未来发展趋势研究都具有一定意义。 展开更多
关键词 涌潮 钱塘江 OPENFOAM 水动力过程 斜坡地形 卷积神经网络 conv1d 数值模拟
在线阅读 下载PDF
考虑航班计划的机场短时停车需求预测
6
作者 樊博 刘洋 李怡凡 《科学技术与工程》 北大核心 2022年第32期14465-14470,共6页
为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型。首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划... 为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型。首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划对机场停车场短时停车需求的影响,将其与气象状况同时引入短时停车需求影响因素中,建立了基于Conv1 D-长短期记忆(long short-term memory,LSTM)神经网络结构的机场短时停车需求模型。以上海虹桥机场停车场为实例,Conv1 D-LSTM模型实验结果的平均绝对误差和均方根误差分别为12.057辆和14.237辆;对比多个其他模型实验结果,所构建的Conv1 D-LSTM模型预测效果更优,能有效应用于机场停车场短时停车需求预测。 展开更多
关键词 交通工程 短时停车需求 机场停车场 航班计划 conv1d-长短期记忆(LSTM)模型
在线阅读 下载PDF
改进DQN的边缘计算任务卸载策略 被引量：5
7
作者 宋兴 葛海波 马世雄 《计算机工程与设计》 北大核心 2024年第7期1964-1971,共8页
为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建... 为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建立模型,使用一维残差卷积网络(Conv1D)和带有注意力机制的LSTM网络替换DQN网络的全连接层,提取MD的状态特征,减少需要计算的参数量并加强对输入状态的重点特征信息提取,加速算法收敛并得到最优卸载策略。仿真结果表明,与DQN、Full Local、Full Offload算法相比,LA-DQN算法能够有效降低任务处理的时延和能耗。 展开更多
关键词 边缘计算 深度强化学习 计算卸载 卸载策略 注意力机制 一维残差卷积网络 全连接层
在线阅读 下载PDF
基于词极性算法及一维卷积词向量技术的商品评论情感分类研究
8
作者 李昕昊 《软件》 2022年第12期100-104,共5页
在不同的电商平台中,部分用户购买商品后会发表评论信息,以此来反馈购买商品的态度。对用户的商品评论数据进行挖掘与分析,有利于商户与生产企业预估商品销量、改进商品品质而言具有潜在的应用价值。因此本文主要工作是采用改进的Word2... 在不同的电商平台中,部分用户购买商品后会发表评论信息,以此来反馈购买商品的态度。对用户的商品评论数据进行挖掘与分析,有利于商户与生产企业预估商品销量、改进商品品质而言具有潜在的应用价值。因此本文主要工作是采用改进的Word2Vec词嵌入模型,将整个情感词典进行扩展分析,以改进情感词典的电商平台适用性,确定用户真实的情感倾向,再将其与情感词极性分类算法有效结合,最终提升整体算法的情感分类性能,实验结果表明,所提Conv1d-Word2Vec模型相较于传统模型具有更优的情感识别效果。 展开更多
关键词 词嵌入 情感分类 一维卷积 词极性算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部