科学传播 | 基于TDCSO优化CNN-Bi-LSTM网络的井底钻压预测方法 为了准确预测井底钻压,提高钻井效率、降低钻井成本,建立了融合双向长短期记忆网络(Bi-LSTM)和卷积神经网络(CNN)的混合模型。采用三角函数驱动的粒子群优化(TDCSO)方法对模型进行...
这是我的 第317篇原创文章。一、引言在基于深度学习的方法进行单变量时间序列预测时,结合卷积神经网络(CNN)、双向长短期记忆网络(Bi-LSTM)和注意力机制(Attention)可以充分利用序列数据的时序特征。以下是…
inputs = Input(shape=(window_size, fea_num)) cnn = Conv1D(filters=64, kernel_size=1, activation='relu')(inputs) cnn = MaxPooling1D(pool_size=1)(cnn) bilstm = Bidirectional(CuDNNLSTM(50, return_sequences=True))(cnn) bilstm = Flatten()(bilstm) output = Dense(1, activation='lin...
41、与现有技术相比,本发明所提供的基于cnn-bi-lstm神经网络模型的短期碳排放预测方法,具有以下有益效果: 42、1)利用组合模型对短期碳排放进行预测,cnn卷积神经网络可以自动提取碳排放数据的特征信息,bi-lstm双向长短期记忆网络能够对cnn卷积神经网络提取的特征进行时序的建模和学习,使得组合模型能够对短期碳排放进行精准...
中文情感分析的实质是文本分类问题,本项目分别采用CNN和BI-LSTM两种模型解决文本分类任务,并用于情感分析,达到不错的效果。 两种模型在小数据集上训练,在验证集的准确率、号回率及F1因子均接近90% 项目设计的目标可以接受不同语料的多种分类任务,只要语料按照特定格式准备好,就可以开始调参训练、导出、serving。
论文阅读:基于CNN和Bi_LSTM的船舶航迹预测 论文下载:https://download.csdn.net/download/qq_33302004/15435812 目录 1. 摘要 2. 主要贡献 3. CNN-Bi-LSTM模型结构 4. 实验 1. 摘要 2. 主要贡献 ① 根据AIS数据,设计了一种混合深度学习网络预测船舶航迹预测方法。混合深度学习是指基于卷积神经网络(CNN)+双....
针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间...
(Bi-directional Long Short Term Memory,Bi-LSTM)的锂电池健康状态估计模型.首先从锂电池充放电曲线中提取与电池容量相关的健康因子并进行相关性分析,再利用CNN对输入数据进行快速的隐含特征信息提取,然后利用Bi-LSTM充分学习时间序列特征,通过QPSO对CNN-Bi-LSTM模型的关键参数进行寻优,使得模型的估计精度...
本发明基于bi-lstm-cnn的命名实体识别方法,采用字符级而不是词语级的向量,可以免受分词精度的影响,同时还可以规避未登录词的问题;另外采用双向长短期记忆神经网络bi-lstm和卷积神经网络cnn的组合模型相比传统的算法,精度提高了很多。 附图说明 图1.本发明方法的步骤流程图。
南京航空航天大学的车畅畅、王华伟等在《机械工程学报》2021年第14期发表了《基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测》一文。他们在这篇文章中根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化...