主要内容:该论文提出了基于改进的Bi-LSTM模型和注意力机制的分心驾驶行为识别方法。通过结合扩张卷积神经网络(ID-CNN)和注意力机制,改进了Bi-LSTM模型的特征提取效率和多尺度特征提取能力。实验结果表明,该方法在驾驶行为识别上具有较高的准确性和稳定性。 论文标题:Attention-based Spatialized Word Embedding Bi-LSTM...
本文主要研究基于LSTM的文本上下文依赖特征的文本表示方法。本课题将文本上下文依赖关系细化为词语-词语、实体方面-意见文本以及话题-意见文本3组特征依赖关系,其中词语是取自意见文本数据的内部,而实体方面和话题是与意见文本相独立的,通常不会显示在意见文本中的信息,由此,本文将词语-词语视为内部依赖,而将实体方面-意...
摘要:影响股价的因素错综复杂,因此在考虑多变量情形下,对时间序列中常用的长短期记忆网络(LSTM)进行修正,并选取股票价格进行预测. 首先,采用方差膨胀因子(VIF)进行变量的筛选,再结合自适应提升法(Adaboost)模型查看特征变量的重要程度. 其次,用爬虫对...
基于Bi-LSTM的人机语音交互 传感器与微系统（ＴｒａｎｓｄｕｃｅｒａｎｄＭｉｃｒｏｓｙｓｔｅｍＴｅｃｈｎｏｌｏｇｉｅｓ） ２０２２年第４１卷第４期 ＤＯＩ：１０．１３８７３／Ｊ．１０００—９７８７（２０２２）０４—０１０４—０４基于Ｂｉ ＬＳＴＭ的人机语音交互 张 锋１，陶浩兵１，慕京生２，...
基于CNN-Bi-LSTM的太阳辐照度超短期预测 倪超1，王聪、朱婷婷u，过奕任1 (1.南京林业大学机械电子工程学院，南京210037; 2.东南大学复杂T.程系统测量与控制教育部重点实验室，南京210096)摘要：针对太阳辐射引起光伏出力的不确定性和波动性，进而造成大fi光伏发电并网时对电网稳定性和安全的危害，提出 一种新的...
DK-LSTM)㊂利用测井领域知识中的地层岩性特征指数筛选数据得到高质量的训练样本,并将其作为深度学习重构测井曲线的依据;构建并训练带有领域知识约束层的长短期记忆神经网络模型;基于测井曲线间的强依赖关系在重构模型中引入注意力机制,进而生成并补全测井曲线中失真或缺失的信息㊂实验结果表明DK -LSTM 测井曲线重构模型...
方法:论文提出了一个混合卷积神经网络(CNN)和长短期记忆网络(LSTM)加上注意力机制(Attention)的模型来检测电机故障。这个混合模型通过时间序列分析来预测电机可能出现的异常,从而实现对电机故障的预测性维护。 创新点: 提出了结合LSTM和CNN的混合...
改进长短期记忆（ＬＳＴＭ）循环神经网络ＬＳＴＭ模型，通过增加窥视孔的方式，提出相空间（ＰＳ） ＬＳＴＭ预测 模型。选取流域生态系统中重金属污染物作为预测对象，结合温度、日径流等因素共同构建多元混沌相空 间，较为真实地还原出流域环境重金属含量实际状态。最后，应用ＰＳ ＬＳＴＭ模型对其进行预测。实验结...
基于QR-NFGLSTM与核密度估计的 风电功率概率预测 王晓东，鞠邦国，刘颖明，臧彤琳 (沈阳丁.业大学电气丁程学院，沈阳110870)摘要：为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记 忆(N F G L S T M)网络与核密度估计的风电功率概率预测方法。该方法对长...
论文主要挖掘了ICD编码之间的层级和相关性,同时还考虑到人工描述和ICD标准文本不同的语言风格,一对多的情况下,多个对应项的重要性排序,以及编码的协同和互斥。 泛读 针对问题:ICD自动编码 核心方法: 使用树和序列LSTM计算基于语义的ICD编码表示 使用对抗学习协调人工输入和ICD描述的语言风格 ...