期刊文献+
共找到141篇文章
< 1 2 8 >
每页显示 20 50 100
一种改进的多门控特征金字塔网络
1
作者 赵彤 刘洁瑜 沈强 《光学学报》 EI CAS CSCD 北大核心 2019年第8期227-236,共10页
特征金字塔网络(FPN)在融合不同尺度特征图时采用上采样和相加的方法,然而经过上采样的特征图的空间层级化信息丢失严重,简单地进行相加必然引入一定的误差。同时,FPN结构的深层特征信息前向传递性较差,其对更浅层的辅助效果基本消失。... 特征金字塔网络(FPN)在融合不同尺度特征图时采用上采样和相加的方法,然而经过上采样的特征图的空间层级化信息丢失严重,简单地进行相加必然引入一定的误差。同时,FPN结构的深层特征信息前向传递性较差,其对更浅层的辅助效果基本消失。对此,结合长短时记忆(LSTM)网络在处理上下文信息上的优势对FPN结构进行改进,在不同深度的特征层之间建立一条自上而下的记忆链接,建立多门控结构对记忆链上的信息进行过滤和融合以产生表征能力更强的高级语义特征图。最后,将改进的FPN结构加入到SSD(Single Shot MultiBox Detector)算法框架中,提出新的特征融合网络--MSSD(Memory SSD),并在Pascal VOC 2007数据集上进行验证。实验表明,该改进取得了较好的测试结果,相比于目前较先进的检测算法也有一定的优势。 展开更多
关键词 机器视觉 目标检测 特征金字塔 长短时记忆网络 记忆滤波通道 SSD网络
基于混合神经网络的单文档自动文摘模型
2
作者 陈巧红 董雯 +1 位作者 孙麒 贾宇波 《浙江理工大学学报》 2019年第4期489-498,共10页
针对现有单文档自动文摘方法获取文摘的连贯性和准确度较差的问题,提出了一种基于混合神经网络的自动文摘模型。该模型将卷积神经网络和长短期记忆网络相结合,并在长短期记忆网络的输入端增加了一个记忆细胞状态。该模型首先利用卷积神... 针对现有单文档自动文摘方法获取文摘的连贯性和准确度较差的问题,提出了一种基于混合神经网络的自动文摘模型。该模型将卷积神经网络和长短期记忆网络相结合,并在长短期记忆网络的输入端增加了一个记忆细胞状态。该模型首先利用卷积神经网络对句子进行向量表示;然后将每个句子中的词向量和文档中的句向量分别输入两个长短期记忆网络,得到句子和文档的匹配程度;最后将匹配程度高的句子进行组合,获得文摘。实验发现:基于混合神经网络的单文档自动文摘模型与LSI、LDA、TextRank、PCA以及长短期记忆网络模型相比,ROUGE-2和ROUGE-3值均有0.01左右的提升,这表明提出的模型获取文摘的可读性较好,上下文关系明确,有效提升了自动文摘的质量。 展开更多
关键词 混合神经网络 自动文摘 卷积神经网络 长短期记忆网络 深度学习
基于CNN+LSTM的短时交通流量预测方法 预览
3
作者 晏臻 于重重 +2 位作者 韩璐 苏维均 刘平 《计算机工程与设计》 北大核心 2019年第9期2620-2624,2659共6页
针对传统的预测方法只考虑到了交通流量的时序特征,忽略了其空间特征这一问题,提出卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的短时交通流量预测模型。通过CNN挖掘相邻路口交通流量的空间关联性,通过LSTM模型挖掘交通流量的时序特... 针对传统的预测方法只考虑到了交通流量的时序特征,忽略了其空间特征这一问题,提出卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的短时交通流量预测模型。通过CNN挖掘相邻路口交通流量的空间关联性,通过LSTM模型挖掘交通流量的时序特征,将提取的时空特征进行特征融合,实现短期流量预测。实验结果表明,CNN+LSTM模型预测误差明显小于其它模型,验证了考虑时空特征进行交通流量预测的有效性。 展开更多
关键词 交通流量 时空特征 预测 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于双向注意力机制图像描述方法研究 预览
4
作者 陶云松 张丽红 《测试技术学报》 2019年第4期346-350,364共6页
大多数图像描述任务中每个单词的生成都依赖于图像全部信息和生成的上文信息,其中包括许多无关的图像信息,而且没有学习下文信息.为解决该问题,提出了一种双注意力机制,先使用上一次的图像显著信息与词向量一起预测当前的隐层状态,再使... 大多数图像描述任务中每个单词的生成都依赖于图像全部信息和生成的上文信息,其中包括许多无关的图像信息,而且没有学习下文信息.为解决该问题,提出了一种双注意力机制,先使用上一次的图像显著信息与词向量一起预测当前的隐层状态,再使用当前的隐层状态预测当前图像显著信息.将双注意力机制与双向长短期记忆网络结合起来构成双向双注意力网络,并与卷积神经网络共同构成图像描述系统框架.该框架首先采用卷积神经网络提取图像特征,然后将图像特征输入到含有注意力机制的双向长短期记忆网络中,双向双注意力网络同时获取前向和后向的图像显著信息与隐层状态,产生图像描述.在数据集Flickr30k与MSCOCO上进行模型训练与测试.结果表明,模型分别与只含有注意力机制和只含有双向循环神经网络模型相比,图像描述准确率获得了提高. 展开更多
关键词 图像描述 注意力机制 双向长短期记忆网络 双注意力机制 双向双注意力网络
在线阅读 免费下载
基于深度学习的电子病历实体标准化 预览
5
作者 赵逸凡 郑建立 徐霄玲 《软件导刊》 2019年第8期12-15,共4页
电子病历中同一医疗概念的提及形式具有多样性,阻碍了医疗数据的分析和利用,研究电子病历实体标准化具有现实意义。设计并实现了基于深度学习的电子病历实体标准化算法,使用Siamese网络架构和LSTM网络搭建模型,采用Pairwise方法训练模型... 电子病历中同一医疗概念的提及形式具有多样性,阻碍了医疗数据的分析和利用,研究电子病历实体标准化具有现实意义。设计并实现了基于深度学习的电子病历实体标准化算法,使用Siamese网络架构和LSTM网络搭建模型,采用Pairwise方法训练模型,在测试集上与传统基于编辑距离的方法进行比较。对手术实体标准化的实验结果显示,深度学习算法正确率达到79.71%,比传统方法提高了17.4个百分点,表明深度学习算法在电子病历实体标准化方面具有有效性。 展开更多
关键词 电子病历 实体标准化 长短期记忆网络 孪生网络
在线阅读 免费下载
基于长短期记忆网络的日供水量预测方法研究
6
作者 苟非洲 程玉婷 《中国给水排水》 CAS CSCD 北大核心 2019年第17期79-83,共5页
供水量预测方法分为传统预测法和机器学习法两类。传统方法对于日供水量预测精度有限,机器学习法具有更好的模型刻画能力,可发现传统算法难以捕捉的数据细节。提出了一种基于长短期记忆网络(LSTM)的日供水量预测方法,利用渭南市蒲城县城... 供水量预测方法分为传统预测法和机器学习法两类。传统方法对于日供水量预测精度有限,机器学习法具有更好的模型刻画能力,可发现传统算法难以捕捉的数据细节。提出了一种基于长短期记忆网络(LSTM)的日供水量预测方法,利用渭南市蒲城县城区2016年1月-2018年3月的日供水量数据对该方法进行了验证,并与基于BP神经网络的方法进行了对比。基于LSTM网络方法的预测结果:平均绝对百分比误差为5.7%,R^2为0.804;基于BP神经网络的预测结果:平均绝对百分比误差为7.3%,R^2为0.610。可见,基于长短期记忆网络的预测方法具有较高的预测精度和稳定性,是一种有效的预测方法。 展开更多
关键词 日供水量预测 长短期记忆网络 BP神经网络
神经网络语言模型的结构与技术研究评述 预览
7
作者 徐昊 易绵竹 《现代计算机》 2019年第19期18-23,共6页
语言模型是对一种语言中词序列的联合概率函数的学习,传统的统计学习方法在语言模型的训练问题上遭遇维数灾难与上下文有限问题。神经网络语言模型通过深度学习方法训练语言模型,并通过分布式词向量表示解决维数灾难问题,循环神经网络... 语言模型是对一种语言中词序列的联合概率函数的学习,传统的统计学习方法在语言模型的训练问题上遭遇维数灾难与上下文有限问题。神经网络语言模型通过深度学习方法训练语言模型,并通过分布式词向量表示解决维数灾难问题,循环神经网络对时序问题的处理能力在语言模型问题上得到应用。介绍几种各有优势的传统语言模型,介绍循环神经网络模型对时序问题的学习,与神经网络语言模型的相关技术。并在PTB数据集上分别使用N-Gram模型和LSTM模型训练英文语言模型,比较两者的困惑度差距。 展开更多
关键词 语言模型 神经语言模型 循环神经网络 长短时记忆网络 词向量
在线阅读 免费下载
LSTM神经网络模型在GPS变形监测中的应用研究 预览
8
作者 李霞 孙茂军 黄永生 《甘肃科学学报》 2019年第3期24-27,共4页
为提高GPS变形监测在工程应用中的精确度,研究LSTM神经网络在变形监测中的作用。分别利用建立的GM(1,1)模型和LSTM神经网络模型对GPS变形监测工程案例进行应用分析,与GM(1,1)模型相比LSTM神经网络模型预测误差降低幅度可达58%,相对误差... 为提高GPS变形监测在工程应用中的精确度,研究LSTM神经网络在变形监测中的作用。分别利用建立的GM(1,1)模型和LSTM神经网络模型对GPS变形监测工程案例进行应用分析,与GM(1,1)模型相比LSTM神经网络模型预测误差降低幅度可达58%,相对误差降低幅度可达62%,RMSE值降低幅度为66%,结果说明LSTM神经网络模型较GM(1,1)模型有更高的预测精确度,预测结果更接近实际测量结果,深度学习的方法之一LSTM神经网络模型在GPS变形监测中有很高的应用价值。 展开更多
关键词 长短记忆网络 变形监测 循环神经网络 人工智能
在线阅读 下载PDF
多义词语义拓扑及有监督的词义消歧研究 预览
9
作者 肖锐 蒋家琪 张云春 《计算机科学》 CSCD 北大核心 2019年第S11期13-18,22,共7页
多义词语义是汉语国际教育和HSK考试的重点和难点。词义消歧研究致力于确定多义词在给定上下文中的具体含义,在人机交互、机器翻译、作文自动评分等领域被广泛应用。然而,现有的词义消歧方法存在准确率较低、语料库匮乏、特征简单等弊... 多义词语义是汉语国际教育和HSK考试的重点和难点。词义消歧研究致力于确定多义词在给定上下文中的具体含义,在人机交互、机器翻译、作文自动评分等领域被广泛应用。然而,现有的词义消歧方法存在准确率较低、语料库匮乏、特征简单等弊端。针对汉语国际教育的相关语料库和评价系统,基于深度神经网络设计汉语多义词词义消歧的分类模型是当前的研究热点,同时也是实现HSK作文自动评分的重要技术保障。已有研究假定多个义项相互独立,缺乏对多义词义项演变关系的重视,对此文中首先对典型的汉语多义词进行语义研究,以区分基础义项和固定搭配义项来构建语义拓扑图,用于指导分类模型的训练。在建立多义词语义拓扑图的基础上,通过对汉语语料库的爬虫,获取典型多义词的语料样本,进而构建有监督的深度神经网络模型,包括RNN,LSTM和GRU。通过对爬虫所获样本的分析,选取了30字长和60字长,分别设计单向和双向6种神经网络,通过多次训练对模型参数进行优化,最终获得词义消歧分类模型。实验选取“意思”多义词作为代表,开展多义词在给定上下文的词义消歧实验。结果表明,基于RNN,LSTM网络和GRU的深度学习模型的平均准确率均超过75%,其中各模型的最大准确率均超过94%;各模型的ROC曲线下面积(Area Under Curve,AUC)均超过0.966,表明其对样本类不均衡性具有较好的处理效果;单向和双向RNN模型在不同字长条件下均取得最佳学习效果。 展开更多
关键词 词义消歧 深度神经网络 语义拓扑 循环神经网络 长短期记忆网络
在线阅读 免费下载
基于注意力LSTM的音乐主题推荐模型 预览
10
作者 贾宁 郑纯军 《计算机科学》 CSCD 北大核心 2019年第S11期230-235,共6页
针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在... 针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在使用注意力机制和LSTM网络实现音乐情感分类的基础上,音乐主题模型有效地组合了音频码本和主题模型,实现了对某个情感下的音乐主题子类的判别。音乐推荐模型则利用低级描述符(Low-Level Descriptor,LLD)和频谱图,构建手工特征与卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)特征的联合表示形式,从而获得用户语音表达的情感,并对其进行精准的音乐主题推荐。实验中,针对两个模型分别进行设计,采用两种不同的传统模型作为基线,实验结果表明,与传统的单一模型相比,此模型不仅可以提升主题分类精度,而且可以精准地判断用户语音数据的情感,从而定向地完成主题音乐的推荐。 展开更多
关键词 音乐主题推荐 长短期记忆网络 注意力机制 卷积循环神经网络 低级描述符 主题模型
在线阅读 免费下载
基于深度学习的中文情感分析研究 预览
11
作者 杨丹 张梦 朱毅 《电脑知识与技术:学术版》 2019年第7X期188-190,共3页
网络中充斥着许多带有强烈情感的评论和信息,对这些信息的分析成为了解人们意见的主要途径。情感分析是自然语言处理(natural language processing,NLP)的一个方向,用来判断文本描述的情绪类型。通过建立用户自身的情感标志模型来识别... 网络中充斥着许多带有强烈情感的评论和信息,对这些信息的分析成为了解人们意见的主要途径。情感分析是自然语言处理(natural language processing,NLP)的一个方向,用来判断文本描述的情绪类型。通过建立用户自身的情感标志模型来识别语句的情感特征,并将设计好的模型利用深度学习框架进行情感分析,最终得到各模型的准确率。利用TensorFlow深度学习框架,对公开数据集分别采用CNN、LSTM模型进行情感分析和比较研究。验结果表明,LSTM模型在实验中表现较佳并可为相关情感分析模型的优化提供一定的意义。 展开更多
关键词 情感分析 卷积神经网络 长短期记忆神经网络
在线阅读 下载PDF
基于多模型融合的人体行为识别模型 预览
12
作者 余万里 韦玉梅 李鲁群 《计算机工程与设计》 北大核心 2019年第10期3030-3036,共7页
对用户的行走、上楼、下楼、静坐、站立、躺下6种行为状态产生的陀螺仪传感器数据进行研究。通过分析局部时间段内用户的状态信息,扩充样本数据维度,将卷积神经网络模型和长短期记忆网络模型相结合,构建特征提取器,使用线性支持向量机... 对用户的行走、上楼、下楼、静坐、站立、躺下6种行为状态产生的陀螺仪传感器数据进行研究。通过分析局部时间段内用户的状态信息,扩充样本数据维度,将卷积神经网络模型和长短期记忆网络模型相结合,构建特征提取器,使用线性支持向量机完成分类工作。行为识别精度达到99.4%以上,每一种的行为状态识别精度均超过98%。相比于多层感知机、卷积神经网络以及长短期记忆网络,平均识别精度提升了1%-2%。相比传统的机器学习算法,例如贝叶斯、支持向量机、决策树等,平均识别精度提升了3%-4%。 展开更多
关键词 卷积神经网络 长短期记忆网络 人体行为识别 深度学习 模型融合
在线阅读 下载PDF
基于长短期记忆网络的挖掘机器人视觉跟踪系统设计 预览
13
作者 丁盼 庞晓平 陈进 《机械制造与自动化》 2019年第4期145-148,共4页
为通过视觉系统向挖掘机器人输入挖掘目标以及解决因运动容易导致挖掘目标丢失的问题,提出一种基于长短期记忆网络的视觉跟踪方法,无需限定特定目标类别,直接从摄像头图像中框选目标,经过Dlib提取特征后,通过训练优化长短期记忆网络来... 为通过视觉系统向挖掘机器人输入挖掘目标以及解决因运动容易导致挖掘目标丢失的问题,提出一种基于长短期记忆网络的视觉跟踪方法,无需限定特定目标类别,直接从摄像头图像中框选目标,经过Dlib提取特征后,通过训练优化长短期记忆网络来跟踪挖掘目标的位置。针对亮度变化、障碍物遮挡和背景干扰三类常见问题进行长短期记忆网络建模和训练,经图片集模拟测试和实际跟踪测试均显示该网络模型能够有效纠正干扰并稳定输出目标位置。网络模型将神经网络和传统机电控制方法结合,提高视觉跟踪精度,为将神经网络应用于挖掘机智能化进行了初步探索。 展开更多
关键词 长短期记忆网络 视觉跟踪 时间序列 挖掘机器人
在线阅读 下载PDF
基于具有深度门的多模态长短期记忆网络的说话人识别
14
作者 陈湟康 陈莹 《激光与光电子学进展》 CSCD 北大核心 2019年第3期130-136,共7页
为了在说话人识别任务中有效融合音视频特征,提出一种基于深度门的多模态长短期记忆(LSTM)网络。首先对每一类单独的特征建立一个多层LSTM模型,并通过深度门连接上下层的记忆存储单元,增强上下层的联系,提升该特征本身的分类性能。同时... 为了在说话人识别任务中有效融合音视频特征,提出一种基于深度门的多模态长短期记忆(LSTM)网络。首先对每一类单独的特征建立一个多层LSTM模型,并通过深度门连接上下层的记忆存储单元,增强上下层的联系,提升该特征本身的分类性能。同时,通过在不同模型之间共享连接隐藏层输出与各个门单元的权重,学习每一层模型之间的联系。实验结果表明,该方法能有效融合音视频特征,提高说话人识别的准确率,并且对干扰具有一定的稳健性。 展开更多
关键词 图像处理 说话人识别 长短期记忆网络 融合 深度门 权重共享
基于深度神经网络模型的中文分词方案 预览
15
作者 许峰 张雪芬 忻展红 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2019年第9期1662-1666,共5页
针对目前已有的分词算法和程序在处理海量网络文本分词时性能下降的问题,本文提出了一种基于深度神经网络模型的中文分词方案。该方案利用基于长短期记忆网络的编码-解码模型对数据模型进行训练,并采用得到的模型进行分词。为了提升分... 针对目前已有的分词算法和程序在处理海量网络文本分词时性能下降的问题,本文提出了一种基于深度神经网络模型的中文分词方案。该方案利用基于长短期记忆网络的编码-解码模型对数据模型进行训练,并采用得到的模型进行分词。为了提升分词性能,进一步提出了一种基于词向量的修正方法,对采用上述模型的分词结果进行修正。对典型微博语料数据集的实验结果表明,提出基于模型的分词性能相对于传统的分词软件的分词性能有了较大提升。采用提出的词向量修正方法修正后的分词准确率和F值略优于未修正的分词准确率和F值,从而验证了论文提出的分词方案的有效性。 展开更多
关键词 中文分词 长短期记忆网络 编码-解码模型 词向量 准确率 F值
在线阅读 下载PDF
利用长短期记忆网络进行音乐流派的分类 预览
16
作者 何丽 袁斌 《计算机技术与发展》 2019年第11期190-194,共5页
针对传统的基于人工标注的文本音乐分类存在人工标注成本高,易于出错,没有涉及到音乐本身的内容的问题,提出了一种基于音乐内容的分类方法,将深度学习中的长短时记忆网络(LSTM)应用到音乐流派分类中。从包含10种音乐流派的1000首歌曲中... 针对传统的基于人工标注的文本音乐分类存在人工标注成本高,易于出错,没有涉及到音乐本身的内容的问题,提出了一种基于音乐内容的分类方法,将深度学习中的长短时记忆网络(LSTM)应用到音乐流派分类中。从包含10种音乐流派的1000首歌曲中提取出梅尔倒谱系数,频谱质心和频谱对比度三个特征,将提取出来的特征数据输入到LSTM网络中进行训练,输出每种音乐类别的概率。对此,进行了三次实验。第一次是将梅尔倒谱系数,频谱质心作为特征数据输入到LSTM网络中,第二次是以频谱对比度和频谱质心作为特征数据,第三次是将梅尔倒谱系数,频谱质心和频谱对比度作为特征数据。从实验结果上看,当梅尔倒谱系数,频谱质心和频谱对比度作为特征数据时,模型的分类效果最好,分类准确率最高。实验结果表明,该方法在准确率上比玻尔兹曼机和卷积神经网络等方法都有所提升。 展开更多
关键词 音乐分类 长短时记忆网络 梅尔倒谱系数 频谱质心 频谱对比度
在线阅读 下载PDF
基于深度学习的电子病历命名实体识别的研究与实现 预览
17
作者 赵鸿阳 《软件》 2019年第8期208-211,共4页
电子病历是医疗单位对门诊部、住院患者临床诊疗与指导干预的、数字化的医疗服务工作的相关记录[1]。为了完成电子病历的高效的信息提取工作,本文使用深度学习的相关算法对电子病历中的文本进行命名实体的识别工作。其算法选择LSTM(Long... 电子病历是医疗单位对门诊部、住院患者临床诊疗与指导干预的、数字化的医疗服务工作的相关记录[1]。为了完成电子病历的高效的信息提取工作,本文使用深度学习的相关算法对电子病历中的文本进行命名实体的识别工作。其算法选择LSTM(Long-Short Term Memory,长短期记忆人工神经网络)和MLP(Multi-Layer Perception,多层神经网络),其用于构建算法模型。该本使用BP网络(Back-PropagationNetwork,后向传播)训练数据模型,应用已经标注的病历数据进行相应的训练与测试。该本通过实验证明,深度学习的算法在电子病历命名实体识别中是高效的[2]。 展开更多
关键词 自然语言 电子病历 命名实体识别 长短期记忆网络 深度学习
在线阅读 下载PDF
基于TL-LSTM的轴承故障声发射信号识别研究
18
作者 于洋 何明 +1 位作者 刘博 陈长征 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第5期51-59,共9页
针对多工况下滚动轴承故障声发射信号智能识别问题,提出了一种长短时记忆网络(LSTM)与迁移学习(TL)相结合的故障识别新方法。该方法仅以单一工况下原始声发射信号参数作为训练样本,构建LSTM模型充分挖掘出声发射信号与故障之间的深层次... 针对多工况下滚动轴承故障声发射信号智能识别问题,提出了一种长短时记忆网络(LSTM)与迁移学习(TL)相结合的故障识别新方法。该方法仅以单一工况下原始声发射信号参数作为训练样本,构建LSTM模型充分挖掘出声发射信号与故障之间的深层次映射关系,以识别与训练工况具有相近分布特征的其他工况下故障;引入并结合TL来应对相异分布特征的其它工况下故障识别问题,从而可完成多种类型工况下故障特征的自适应提取与智能识别。实验结果表明,对于转速、采集位置或滚动轴承型号工况改变时内圈、外圈及保持架故障的识别均具有较高的准确率,可端对端的实现多种类型工况下故障的实时在线智能监测任务,摆脱了对先验故障数据的过分依赖,验证了该方法的可行性与优越性。 展开更多
关键词 声发射技术 滚动轴承 故障诊断 长短时记忆网络 迁移学习
基于小波长短期记忆网络的风电功率超短期概率预测 预览
19
作者 王朋 孙永辉 +2 位作者 翟苏巍 候栋宸 王森 《南京信息工程大学学报:自然科学版》 CAS 2019年第4期460-466,共7页
随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆(LSTM)网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于... 随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆(LSTM)网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性. 展开更多
关键词 小波分解 长短期记忆网络 风电功率 概率预测
在线阅读 下载PDF
基于LSTM算法的电力谐波监测数据预测 预览
20
作者 刘启斌 尹温硕 +1 位作者 胡卫华 陶顺 《电力电容器与无功补偿》 北大核心 2019年第5期139-145,共7页
随着电力系统中接入大量的非线性设备,谐波问题更加严重,对谐波监测指标变化趋势的准确预测对电网优质运行具有重要意义。电能质量监测系统日趋成熟,并积累了较为完善可靠的监测数据,对此本文提出了一种基于长短时记忆网络深度学习算法... 随着电力系统中接入大量的非线性设备,谐波问题更加严重,对谐波监测指标变化趋势的准确预测对电网优质运行具有重要意义。电能质量监测系统日趋成熟,并积累了较为完善可靠的监测数据,对此本文提出了一种基于长短时记忆网络深度学习算法的电力谐波监测数据的预测方法。该方法主要包括谐波监测数据预处理、预测模型拟合训练、预测模型应用以及模型预测效果评估等4个步骤。基于Python算法包编程实现该方法,并对实际采集到的谐波监测数据进行预测分析。结果表明,本文所提方法对于不同时间尺度的谐波监测数据进行预测分析时均可取得良好的效果,验证了该方法的可行性和实用性。 展开更多
关键词 长短时记忆网络 谐波监测数据 预测分析
在线阅读 免费下载
上一页 1 2 8 下一页 到第
使用帮助 返回顶部 意见反馈