在推理阶段,训练好的双向GRU-LSTM组合模型接受新的输入序列,并产生相应的输出。这通常是通过前向传播算法实现的,即按照结构图描述的处理流程逐步计算每个时间步的隐藏状态和最终输出。 参数调整: 双向GRU-LSTM组合模型的性能可以通过调整其参数来优化。这包括GRU/LSTM单元的数量、隐藏状态的维度、学习率、正则化方法等
基于GRU-LSTM组合模型的云计算资源负载预测研究 贺小伟, 徐靖杰, 王宾, 吴昊, 张博文 Research on Cloud Computing Resource Load Forecasting Based on GRU-LSTM Combination Model HE Xiaowei, XU Jingjie, WANG Bin, WU Hao, ZHANG Bowen 计算机工程 . 2022, (5): 11 -17,34 . DOI: 10.19678/j.issn.1000...
针对目前负载预测模型预测精度低,预测时间长的问题 ,建立一种基于 门控循环单元(GRU)与长短期记忆(LSTM)网络的组合预测模型 GRU-LSTM.该模型的网络结构包括 3 层,第一 层采用 GRU,利用 GRU 参数少 ,易收敛的特点减少模型训练时间 ,第二 ,第三层采用 LSTM,结合 LSTM 参数多的 优势提高模型的预测精度.在此...
Research on Cloud Computing Resource Load Forecasting Based on GRU-LSTM Combination Model 在线阅读 下载PDF 引用 收藏 分享 摘要 日益增多的应用部署在云端使得云数据中心的功耗波动剧烈,从而导致云数据中心资源利用率不平衡,高效的负载预测是解决该问题的关键技术。针对目前负载预测模型预测精度低、预测时间长的...
1.基于GRU-LSTM组合模型的云计算资源负载预测研究2.基于LSTM模型的APT攻击信道检测方法3.基扩展模型下基于LSTM神经网络的时变信道预测方法4.基于K-means分层聚类的TCN-GRU和LSTM动态组合光伏短期功率预测5.基于LSTM-GRU-FCN模型的风电功率短期多步预测研究 因版权原因,仅展示原文概要,查看原文内容请购买©...
针对目前负载预测模型预测精度低、预测时间长的问题,建立一种基于门控循环单元(GRU)与长短期记忆(LSTM)网络的组合预测模型GRU-LSTM。该模型的网络结构包括3层,第一层采用GRU,利用GRU参数少、易收敛的特点减少模型训练时间,第二、第三层采用LSTM,结合LSTM参数多的优势提高模型的预测精度。在此基础上,对数据集作缺失...