预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集.然后,基于STLSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列.研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.8741...
针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提出一种基于时空特性的长短期记忆模型(ST-LSTM).基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性.在ST-LSTM网络中引入个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出个性化...
网络中引入个人修正因子 , 对每类用户的输岀结果进行修正 , 在确 保基本特性的基础上突出个性化 , 更好地学习每类用户的行为轨迹特征 , 同时在保证 ST-LSTM 网络特性的前提下 给岀 2 种 ST-LSTM 网络的简化变体模型 # 在公开数据集上的测试结果表明 , 与主流位置预测方法相比 , 该预测模 型精确率 、 ...
摘要 内部人员发起的恶意行为会对企业造成安全威胁,这一威胁存在界限模糊、样本数据较少等检测难点.文章提出一种LSTM(Long Short Term Memory)回归模型,通过对时间序列的回归分析,输出对用户行为序列的预测.考虑到不同用户间的差异性,根据用户ID区别学习每个用户的行为模式,使用更新的实时数据持续训练模型,在测试时将预...
摘要：针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提岀一种基于时空特性的长短期记忆模型(ST-LSTM)#基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素，从而使模型具有时空特性#在ST-LSTM网络中引入个人修正因子,对每类用户的输岀结果进行修正,在确保基本特性的基础上...
CNN-STLSTM-CNN)的有效波高预测模型.该模型由编码器(Encoder),解释器(Translator)和解码器(Decoder)构成.Encoder通过卷积神经网络提取SWH数据的空间特征,Translator通过时空长短时记忆神经网络(spatiotemporal long short-term memory,STLSTM)提取SWH数据的空间特征在时间上的变化特性,Decoder通过卷积神经网络的转置卷积模块...
对于前端子任务,通过融合时空图卷积网络和长短期记忆网络,提出了一种有效的 ST-GCN-LSTM 模型。对于第二个子任务,采用YOLO v3模型进行手持物体识别。然后,我们构建了一个机器人与人类交互的框架。最后, "点击查看英文标题和摘要" 更新日期:2021-03-01
针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提岀一种基于时空特性的长短期记忆模型( ST-LSTM)。基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性。在ST-LSTM网络中引人个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出...