首先,对数据进行预处理;然后,利用注意力机制与图卷积网络(GCN),卷积神经网络(CNN)相融合,挖掘地铁数据中的时空相关性,并通过长短期记忆网络(LSTM)来提取空气质量数据中的外部特征;最后,通过特征融合得到地铁乘客流量预测结果.实验结果表明,ASTLSTM模型与LSTM,Conv LSTM等典型模型相比,在短期的地铁乘客流量预测上都有...
本发明涉及一种基于ASTLSTM神经网络的锂电池SOH估计与RUL预测方法,属于锂电池PHM领域.该方法包括:1)集多个电池充放电周期电压,电流,温度和对应的容量值;2)构建深度ASTLASTM模型;3)基于ASTLSTM神经网络模型的锂电池SOH估计和RUL预测.本发明仅需待测锂电池的电压,电流,温度和时间即可获得电池容量数据,从而估算出锂电池...
本发明公开了一种基于文本特征降维的LSTM注意力机制疾病预测方法,包括以下步骤:(1)数据预处理;(2)结合电子病历文本特点,形成词特征加权计算方法;(3)利用数据降维提取... 余肖生,沈胜,张合欢 被引量: 0发表: 2021年 一种结合注意力机制与双向LSTM的命名实体识别方法及系统 本发明公开了一种结合注意力机制与双向...
本发明涉及一种基于ASTUKF‑GRA‑LSTM模型的新能源汽车锂电池健康状态评估方法,首先获得平滑的IC曲线,然后选取IC曲线的部分区域,利用灰色关联分析法提取电池退化特征;其次,基于输入的特征数据,利用长短期记忆网络LSTM对锂电池的SOH进行在线估计;最后,通过基于实
6.本发明的目的在于克服现有技术的不足之处,本发明提出一种基于astukf-gra-lstm模型的新能源汽车锂电池健康状态soh评估方法,通过自适应卡尔曼滤波,实现对锂电池充电历史数据进行增强,利用灰色关联分析法,实现了对健康性能指标的精确提取,并与lstm神经网络相结合,基于综合能源服务平台获取新能源电动汽车历史数据实现了锂...
本发明涉及一种基于ASTUKFGRALSTM模型的新能源汽车锂电池健康状态评估方法,首先获得平滑的IC曲线,然后选取IC曲线的部分区域,利用灰色关联分析法提取电池退化特征;其次,基于输入的特征数据,利用长短期记忆网络LSTM对锂电池的SOH进行在线估计;最后,通过基于实际工程实验数据,验证了该方法具有较强的SOH评估精度.本发明方法对...
型号: TA76431AS(T6SOY,FM 品牌: Toshiba Semiconductor and Storage 封装: LSTM 批次: - 数据手册: 描述: IC VREF 100MA LSTM 购买数量: 库存:请查询 产品信息 参数信息 用户指南 MfrToshiba Semiconductor and Storage Series- PackageBulk Tolerance- ...
一、郝洪祥投资情况:郝洪祥间接持股企业4家,包括投资临沂市住宅建设有限公司、投资占比达0.36%,临沂市城建物业管理有限公司、投资占比达0.36%等;二、郝洪祥的商业合作伙伴:基于公开数据展示,郝洪祥目前有9个商业合作伙伴,包括张垚、韦瑞芳、朱映忠等。 财产
雾尾shiroi:喜欢唱歌!。雾尾shiroi入驻抖音,TA的抖音号是zsyx378002950,已有100个粉丝,收获了167个喜欢,欢迎观看雾尾shiroi在抖音发布的视频作品,来抖音,记录美好生活!
存在地铁乘客流量预测准确度不高的问题.针对以上问题,提出基于注意力机制的时空长短期记忆(ASTLSTM)网络的地铁乘客流量短时预测模型.首先,对数据进行预处理;然后,利用注意力机制与图卷积网络(GCN),卷积神经网络(CNN)相融合,挖掘地铁数据中的时空相关性,并通过长短期记忆网络(LSTM)来提取空气质量数据中的外部特征;最后...