期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到790篇文章
< 1 2 … 40 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于自注意力机制和改进的K-BiLSTM的水产养殖水体溶解氧含量预测模型
1
作者 冯国富 卢胜涛 +1 位作者 陈明 王耀辉 《江苏农业学报》 CSCD 北大核心 2024年第3期490-499,共10页
为精确预测水产养殖水体溶解氧含量,本研究提出一种基于自注意力机制(ATTN)和改进的K-means聚类-基于残差和批标准化(BN)的双向长短期记忆网络(BiLSTM)的水产养殖水体溶解氧含量预测模型。首先,根据环境数据的相似性,使用改进的K-means... 为精确预测水产养殖水体溶解氧含量,本研究提出一种基于自注意力机制(ATTN)和改进的K-means聚类-基于残差和批标准化(BN)的双向长短期记忆网络(BiLSTM)的水产养殖水体溶解氧含量预测模型。首先,根据环境数据的相似性,使用改进的K-means算法将数据划分成若干个类别;然后,在BiLSTM基础上构建残差连接和加入BN完成高层次特征提取,利用BiLSTM的长期记忆能力保存特征信息;最后,引入自注意力机制突出不同时间节点数据特征的重要性,进一步提升模型的性能。试验结果表明,本研究提出的基于自注意力机制和改进的K-BiLSTM模型的平均绝对误差为0.238、均方根误差为0.322、平均绝对百分比误差为0.035,与单一的BP模型、CNN-LSTM模型、传统的K-means-基于残差和BN的BiLSTM-ATTN等模型相比具有更优的预测性能和泛化能力。 展开更多
关键词 水产养殖 溶解氧预测 K-MEANS聚类 双向长短期记忆网络(bilstm) 自注意力机制
下载PDF
基于改进DBO优化BiLSTM的IGBT老化预测模型
2
作者 韩素敏 赵国帅 +2 位作者 尚志豪 余悦伟 郭宇 《电子测量技术》 北大核心 2024年第1期46-54,共9页
为了表征逆变器故障中IGBT模块的老化趋势,提高老化过程的预测精度,本文提出一种基于改进蜣螂搜索算法(IDBO)优化双向长短期神经网络(BiLSTM)超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征,利用核主成分分析进行降... 为了表征逆变器故障中IGBT模块的老化趋势,提高老化过程的预测精度,本文提出一种基于改进蜣螂搜索算法(IDBO)优化双向长短期神经网络(BiLSTM)超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征,利用核主成分分析进行降维构建归一化综合指标。其次,针对蜣螂搜索算法(DBO)的不足,通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能,利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后,通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明,所构建的IDBO-BiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。 展开更多
关键词 蜣螂搜索算法 bilstm神经网络 Levy飞行策略 IGBT 老化预测
原文传递
基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法
3
作者 王硕 吴楠 +1 位作者 黄洁 王建涛 《指挥控制与仿真》 2024年第1期55-63,共9页
针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短... 针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。 展开更多
关键词 残差修正 CNN-bilstm 短期预测 ARIMA
下载PDF
基于Bo-BiLSTM网络的IGBT老化失效预测方法
4
作者 万庆祝 于佳松 +1 位作者 佟庆彬 闵现娟 《电气技术》 2024年第3期1-10,共10页
针对绝缘栅双极型晶体管(IGBT)受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化(Bo)-双向长短期记忆(BiLSTM)网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失... 针对绝缘栅双极型晶体管(IGBT)受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化(Bo)-双向长短期记忆(BiLSTM)网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失效特征数据库,最后利用Matlab软件构造Bo-BiLSTM网络预测失效特征参数数据。选取常用回归预测性能评估指标将长短期记忆(LSTM)网络模型、BiLSTM网络模型与Bo-BiLSTM网络模型的预测结果进行对比分析。结果表明,Bo-BiLSTM网络的模型拟合精度更高,基于Bo-BiLSTM网络的IGBT老化失效预测方法具有较好的预测效果,能够应用于IGBT的失效预测。 展开更多
关键词 绝缘栅双极型晶体管(IGBT) 贝叶斯优化 双向长短期记忆(bilstm)网络 老化失效预测
下载PDF
基于NGO-CNN-BiLSTM神经网络的动态质子交换膜燃料电池剩余使用寿命预测
5
作者 许亮 任圆圆 李俊芳 《汽车工程师》 2024年第3期1-7,共7页
为解决质子交换膜燃料电池(PEMFC)剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于北方苍鹰优化(NGO)、卷积神经网络(CNN)和双向长短时记忆(BiLSTM)神经网络的动态燃料电池RUL预测模型。首先,利用NGO对CNN-BiLSTM模型的学习率、隐... 为解决质子交换膜燃料电池(PEMFC)剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于北方苍鹰优化(NGO)、卷积神经网络(CNN)和双向长短时记忆(BiLSTM)神经网络的动态燃料电池RUL预测模型。首先,利用NGO对CNN-BiLSTM模型的学习率、隐藏节点及正则化系数进行寻优,然后,通过CNN-BiLSTM模型的卷积层对输入数据进行特征提取,输入到BiLSTM层进行时序建模和预测。同时,利用小波阈值去噪算法对原始数据进行平滑处理,采用皮尔逊相关系数提取模型输入变量,并搭建NGO-CNN-BiLSTM神经网络功率预测模型。仿真验证结果表明,该方法预测精度达99.49%,高于其他对比模型的预测精度。 展开更多
关键词 质子交换膜燃料电池 NGO-CNN-bilstm网络 剩余使用寿命预测
下载PDF
基于GCN和BiLSTM的Android恶意软件检测方法
6
作者 贺娇君 蔡满春 芦天亮 《计算机科学》 CSCD 北大核心 2024年第4期388-395,共8页
现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和BiLSTM的Android恶意软件检测模型,在精准提取样本结... 现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和BiLSTM的Android恶意软件检测模型,在精准提取样本结构信息的同时对恶意行为语义进行重点分析。首先以图的方式表征26类关键系统调用间的拓扑关系,使用双层GCN网络聚合系统调用图中节点的高阶结构信息,有效提高特征学习效率;然后利用带有自注意力机制的BiLSTM网络获取操作码序列的上下文语义,通过为具有恶意特征的序列赋予高权重得到特征内部的强相关性;最后使用Softmax输出融合结构信息和上下文特征的样本分类概率。在基于Drebin和AndroZoo数据集的实验中,所提模型准确率达到了93.95%,F1值达到了97.09%,相较于基准算法有显著提高,充分证明了基于GCN和BiLSTM的模型能有效提升Android恶意软件的检测效果。 展开更多
关键词 ANDROID 恶意软件检测 GCN bilstm
下载PDF
基于改进BiLSTM的电力工程数据智能分析算法设计
7
作者 毛华 房向阳 +1 位作者 王斌 孙岳 《电子设计工程》 2024年第2期69-73,共5页
针对目前电力工程费用计算复杂、时间成本较高且准确性低的问题,文中开展了基于改进BiLSTM的电力工程数据智能分析算法设计研究。从技术、工程量和费用三个维度构建了电力工程数据智能分析指标体系,进而提出了一种基于BiLSTM与Attentio... 针对目前电力工程费用计算复杂、时间成本较高且准确性低的问题,文中开展了基于改进BiLSTM的电力工程数据智能分析算法设计研究。从技术、工程量和费用三个维度构建了电力工程数据智能分析指标体系,进而提出了一种基于BiLSTM与Attention联合模型的电力工程费用预测算法。该算法将电力工程数据作为BiLSTM的模型输入,并采用Attention机制提高了对重要数据的关注程度。通过引入数据指标与电力工程费用的自动关联分析技术,实现了对电力工程费用的精准预测。仿真算例分析结果表明,与LSTM及BiLSTM算法相比,所提算法具有更高的预测准确性,平均预测误差小于5%。 展开更多
关键词 电力工程 费用计算 深度学习 bilstm算法 Attention模型
下载PDF
基于LCD-SSA-BiLSTM模型的月径流预测研究
8
作者 任智晶 赵雪花 +1 位作者 郭秋岑 付兴涛 《水电能源科学》 北大核心 2024年第4期1-5,共5页
径流预测在水资源优化配置和防汛抗旱方面发挥着重要作用。但径流序列非平稳会导致预测误差及峰值预测误差较大,因此提出了基于局部特征尺度分解(LCD)、麻雀搜索算法(SSA)和双向长短期记忆神经网络(BiLSTM)的组合预测模型(LCD-SSA-BiLST... 径流预测在水资源优化配置和防汛抗旱方面发挥着重要作用。但径流序列非平稳会导致预测误差及峰值预测误差较大,因此提出了基于局部特征尺度分解(LCD)、麻雀搜索算法(SSA)和双向长短期记忆神经网络(BiLSTM)的组合预测模型(LCD-SSA-BiLSTM),以提高非平稳径流序列的预测精度。以汾河上游4个站点(汾河水库站、上静游站、兰村站和寨上站)为研究对象开展月径流序列预测研究,采用纳什效率系数、平均绝对误差、均方根误差、合格率4个评价指标对预测结果进行定量评价。结果表明,LCD-SSA-BiLSTM模型的平均绝对误差为10.346×10^(4)~124.629×10^(4)m^(3),均方根误差为19.416×10^(4)~191.284×10^(4)m^(3),纳什效率系数为0.975~0.988,4个水文站的合格率均在90%及以上,预测精度为甲级,与单一BiLSTM、EMD-BiLSTM、LCD-BiLSTM及EMD-SSA-BiLSTM模型相比预测效果更好,因此LCD-SSA-BiLSTM模型是预测非平稳月径流序列的有效方法。 展开更多
关键词 汾河上游 bilstm模型 LCD 月径流预测
原文传递
基于BiLSTM的NL2SQL模型
9
作者 邰伟鹏 刘杨 +2 位作者 王小林 郑啸 钟亮 《计算机应用与软件》 北大核心 2024年第3期34-40,共7页
随着互联网技术的发展,很多应用为大众提供金融量化服务,而大部分用户不具备金融或计算机专业知识,他们期望使用自然语言查询数据,因此自然语言转SQL(NL2SQL)被迫切需要。针对此问题,提出一种基于双向长短期记忆模型(BiLSTM)的中文金融N... 随着互联网技术的发展,很多应用为大众提供金融量化服务,而大部分用户不具备金融或计算机专业知识,他们期望使用自然语言查询数据,因此自然语言转SQL(NL2SQL)被迫切需要。针对此问题,提出一种基于双向长短期记忆模型(BiLSTM)的中文金融NL2SQL算法,分为编码和解码阶段。在编码阶段,利用BiLSTM和注意力机制生成特征向量。在解码阶段,根据SQL的语法规则,将SQL生成解耦为九个分类任务,各个任务间相互依赖联合学习,之后生成复杂的SQL语句。除模型外,还训练出包含金融词汇的向量库,构建金融领域的数据集。通过在此数据集上实验验证,结果表明,该方法准确率更高,能有效解决金融领域SQL生成问题,并在某金融量化分析系统中实现。 展开更多
关键词 NL2SQL bilstm 注意力机制 向量库 数据集
下载PDF
基于TCN-BiLSTM与LSTM模型对比预测北洛河径流
10
作者 张梦凡 丁兵兵 +1 位作者 贾国栋 余新晓 《北京林业大学学报》 CAS CSCD 北大核心 2024年第4期141-148,共8页
【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建... 【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建立一种新的径流预测耦合模型TCN-BiLSTM。利用相关性分析,筛选预测径流的输入因子,确定4种不同的输入方案应用于TCN-BiLSTM耦合模型和传统LSTM模型,每个模型分别预测1、2、3 d的径流量。采用平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(R^(2))来评估模型的预测性能。【结果】(1)TCN-BiLSTM耦合模型整体预测性能优于LSTM模型,TCN-BiLSTM模型R^(2)达到0.91,高于LSTM的0.89。相比于LSTM,TCN-BiLSTM对于峰值和突变点的捕捉能力更强,对于波动大的复杂数据预测效果更优;(2)在针对未来1~3 d径流量预测中,随着预见期的延长,4种方案下TCN-BiLSTM和LSTM模型的预测效果均有所下降,相较于预测1 d,预测3 d的TCNBiLSTM和LSTM模型的R^(2)分别平均下降了0.17和0.14,RMSE分别平均增大了4.59和4.40,MAE分别平均增大了1.26和1.31;(3)在4种输入方案里,日累积降水量和日径流量作为输入变量时,模型的预测效果最好。降水数据的加入使得TCN-BiLSTM和LSTM模型相较于单一日径流数据作为输入变量时,1、2、3 d径流量预测的R^(2)分别提高15%、14%、6%和18%、14%和1%。【结论】TCN-BiLSTM耦合模型和LSTM模型R^(2)均能达到0.85以上,TCN-BiLSTM模型R^(2)较LSTM提高了2%。对比来看,TCN-BiLSTM模型在拟合洪水过程中表现更为优异,对于汛期的预测性能优于非汛期。输入变量对模型的影响较大,有效且高质量的气象数据能够提高模型的预测性能。 展开更多
关键词 水文模拟 TCN-bilstm 日径流预测 北洛河流域
下载PDF
融合投资者情绪的S_AM_BiLSTM股价预测模型
11
作者 袁婧 潘甦 +1 位作者 谢浩 徐文鹏 《计算机工程与应用》 CSCD 北大核心 2024年第7期274-281,共8页
股票价格预测一直是金融领域的研究热点之一。然而,股票价格的形成机制是相当复杂的,各种因素都可能会导致股票价格的变化。为此,提出了一种基于深度学习方法并融合多源数据和投资者情绪的股票价格预测混合模型(S_AM_BiLSTM)。利用文本... 股票价格预测一直是金融领域的研究热点之一。然而,股票价格的形成机制是相当复杂的,各种因素都可能会导致股票价格的变化。为此,提出了一种基于深度学习方法并融合多源数据和投资者情绪的股票价格预测混合模型(S_AM_BiLSTM)。利用文本卷积神经网络(TextCNN)对从股票论坛中提取的投资者评论进行情绪分析,并计算情绪指数。将情绪指数(sentiment)、技术指标和股票历史交易数据作为股价预测模型的特征集,采用双向长短时记忆神经网络(BiLSTM)对股票的收盘价进行预测,并在此基础上加入注意力机制(attention mechanism),提高预测精度。为了证明模型的有效性和适用性,随机选取4个重点行业的股票进行实证研究。实验结果表明,与其他单一模型和不含情绪因子的模型相比,所提出的混合模型的效果更优越。 展开更多
关键词 深度学习 双向长短期记忆网络(bilstm) 文本卷积神经网络(TextCNN) 股价预测 情绪分析
下载PDF
基于CEEMD-BiLSTM-RFR的短期光伏功率预测
12
作者 冯沛儒 江桂芬 +2 位作者 徐加银 叶剑桥 李生虎 《科学技术与工程》 北大核心 2024年第5期1955-1962,共8页
由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomp... 由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition,CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression,RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network,BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。 展开更多
关键词 光伏功率预测 互补集合经验模态分解 相关性分析 bilstm 随机森林回归
下载PDF
基于CNN-BiLSTM模型的黄鳍金枪鱼渔获量与气候因子关系研究
13
作者 丁鹏 邹晓荣 +1 位作者 丁淑仪 白思琦 《南方水产科学》 CAS CSCD 北大核心 2024年第2期19-26,共8页
为探究气候因子对黄鳍金枪鱼渔获量的影响,根据1960—2021年的南方涛动指数(SOI)、太平洋年代际涛动(PDO)、北大西洋涛动(NAO)、北太平洋指数(NPI)、全球海气温度异常指标(dT)以及厄尔尼诺相关指标(Niño1+2、Niño3、Niño... 为探究气候因子对黄鳍金枪鱼渔获量的影响,根据1960—2021年的南方涛动指数(SOI)、太平洋年代际涛动(PDO)、北大西洋涛动(NAO)、北太平洋指数(NPI)、全球海气温度异常指标(dT)以及厄尔尼诺相关指标(Niño1+2、Niño3、Niño4以及Niño3.4)等9种气候因子数据和全球黄鳍金枪鱼渔获量数据,采用相关性分析、BP神经网络、长短期记忆网络(LSTM)模型、双向长短期记忆网络(BiLSTM)模型和卷积神经网络结合双向长短期记忆网络(CNN-BiLSTM)模型对低频气候因子与黄鳍金枪鱼渔获量的关系进行了研究。结果表明,气候变化表征因子对黄鳍金枪鱼渔获量的重要性依次为dT>SOI>Niño1+2>PDO>NPI>NAO,其对应的最佳滞后年限分别为0、11、6、5、15、0年。CNNBiLSTM模型的预测效果最优,其后依次为BiLSTM模型、LSTM模型、BP神经网络模型。最优预测模型显示预测值与实际值的拟合优度为0.887,平均绝对误差为0.125,均方根误差为0.154,预测值与实际值变化趋势基本一致,模型拟合效果良好。 展开更多
关键词 黄鳍金枪鱼 渔获量 气候因子 CNN-bilstm模型 相关性分析
下载PDF
基于CNN-BiLSTM的FMCW雷达生命体征信号检测
14
作者 韩丽有 谭钦红 刘家森 《激光杂志》 CAS 北大核心 2024年第3期68-73,共6页
针对FMCW雷达生命体征检测时存在呼吸谐波和杂波干扰,无法准确地提取生命体征信号,提出了一种基于CNN-BiLSTM神经网络的FMCW雷达生命体征信号检测算法。首先,根据FMCW雷达中频信号定位目标,然后根据目标位置获取目标距离门及其附近距离... 针对FMCW雷达生命体征检测时存在呼吸谐波和杂波干扰,无法准确地提取生命体征信号,提出了一种基于CNN-BiLSTM神经网络的FMCW雷达生命体征信号检测算法。首先,根据FMCW雷达中频信号定位目标,然后根据目标位置获取目标距离门及其附近距离门的相位信号,并作为神经网络的输入,通过神经网络提取呼吸和心跳信号。实验结果表明,通过CNN-BiLSTM神经网络可以有效提取呼吸和心跳信号,并根据该提取到的呼吸和心跳信号可以准确估计呼吸频率和心率,估计误差分别为7.2%和8.1%。 展开更多
关键词 生命体征检测 FMCW雷达 CNN-bilstm DACM
原文传递
基于KPCA-BiLSTM-iForest的瓦斯体积分数异常智能识别方法
15
作者 姜思嘉 盛武 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第4期42-48,共7页
为了实现瓦斯体积分数异常在线精准超前识别,提出1种基于多元异构数据融合的瓦斯体积分数异常识别方法(KPCA-BiLSTM-iForest),该方法采用核主成分分析(KPCA)对非线性数据进行降维和特征提取,提取主要信息并减少计算量,并采用双向长短期... 为了实现瓦斯体积分数异常在线精准超前识别,提出1种基于多元异构数据融合的瓦斯体积分数异常识别方法(KPCA-BiLSTM-iForest),该方法采用核主成分分析(KPCA)对非线性数据进行降维和特征提取,提取主要信息并减少计算量,并采用双向长短期记忆神经网络(BiLSTM)对降维后的数据进行瓦斯体积分数预测,利用隔离森林(iForest)根据预测结果及实际值相关数据进行异常检测。研究结果表明:该方法能够提前20 min检测到瓦斯体积分数异常,且异常识别准确率较KPCA-LSTM-iForest方法,KPCA-iForest方法和KPCA-BiLSTM-LOF方法可以提升3个百分点以上。研究结果可为识别瓦斯体积分数异常并提出预警提供依据。 展开更多
关键词 煤矿瓦斯 异常智能识别 在线监测数据 KPCA-bilstm-iForest模型 工程反演
下载PDF
基于CNN-BILSTM深度学习模型的跨工况锂电池SOC估计
16
作者 雷文博 耿灿欣 +2 位作者 邹晔 姚忠冉 周礼缘 《中国新技术新产品》 2024年第1期4-7,共4页
为提高新能源汽车锂电池跨工况下SOC(State of Charge,SOC)的预测精度以提升其运行可靠性,针对不同工况下的锂电池特征,笔者提出了一种深度学习预测模型。该模型基于卷积神经网络(CNN)和双向长短期记忆网络(BILSTM),对跨工况锂电池SOC... 为提高新能源汽车锂电池跨工况下SOC(State of Charge,SOC)的预测精度以提升其运行可靠性,针对不同工况下的锂电池特征,笔者提出了一种深度学习预测模型。该模型基于卷积神经网络(CNN)和双向长短期记忆网络(BILSTM),对跨工况锂电池SOC进行估计。笔者采集了锂电池在不同工况下的温度、电流、电压和SOC等数据。然后,构建了CNN-BILSTM深度学习模型,并在联邦城市运行工况(Federal Urban Driving Schedule,FUDS)工况下进行训练测试。将该方法应用于动态应力测试工况(Dynamic Stress Test,DST)下,进行跨工况SOC估计。试验结果表明,本文提出的CNN-BILSTM模型能够有效预测锂电池的SOC值,在跨工况下也显示出良好的预测性能和较强的泛化能力。 展开更多
关键词 深度学习 CNN bilstm 跨工况 锂电池SOC
下载PDF
基于改进BiLSTM-CRF模型的网络安全知识图谱构建
17
作者 黄智勇 余雅宁 +2 位作者 林仁明 黄鑫 张凤荔 《现代电子技术》 北大核心 2024年第6期15-21,共7页
针对网络安全领域的图谱构建任务,基于BiLSTM-CRF模型引入了外部网络安全词典来加强网络安全文本的特征,并结合多头注意力机制提取多层特征,最终在网络安全数据集取得了更优异的结果。利用企业内部的日常网络运维数据,设计并构建了一个... 针对网络安全领域的图谱构建任务,基于BiLSTM-CRF模型引入了外部网络安全词典来加强网络安全文本的特征,并结合多头注意力机制提取多层特征,最终在网络安全数据集取得了更优异的结果。利用企业内部的日常网络运维数据,设计并构建了一个面向企业网络安全运维管理的知识图谱,为后续进一步研究基于图谱的企业网络安全智能决策等应用奠定基础。 展开更多
关键词 bilstm-CRF 网络安全 知识图谱 特征提取 企业网络 注意力机制 本体建模 知识抽取
下载PDF
融合注意力机制的BiLSTM集群负载预测模型
18
作者 罗邦 张云华 《智能计算机与应用》 2024年第2期172-176,共5页
服务器集群的负载预测有助于集群资源的优化配置,以提升集群资源的利用率。针对传统负载预测算法存在预测精度低的问题,本文在双向长短期记忆网络模型的基础上,提出一种融合注意力机制的负载预测模型(Att-BiLSTM)。该模型充分考虑到服务... 服务器集群的负载预测有助于集群资源的优化配置,以提升集群资源的利用率。针对传统负载预测算法存在预测精度低的问题,本文在双向长短期记忆网络模型的基础上,提出一种融合注意力机制的负载预测模型(Att-BiLSTM)。该模型充分考虑到服务器CPU、内存、磁盘和网络等因素,利用双向长短期记忆网络前后传递信息的特点,并使用注意力机制关注负载时间序列中的重要信息,从而提高了预测精度。实验结果表明,相对于目前已经提出的负载预测模型ARIMA、CNN-LSTM和BiLSTM、Att-BiLSTM模型具有更好的预测性能。 展开更多
关键词 服务器集群 bilstm 负载预测 注意力机制
下载PDF
基于A-BiLSTM和CNN的文本分类
19
作者 黄远 戴晓红 +2 位作者 黄伟建 于钧豪 黄峥 《计算机工程与设计》 北大核心 2024年第5期1428-1434,共7页
为解决单一神经网络不能获取准确全局文本信息的问题,提出一种基于A-BiLSTM双通道和优化CNN的文本分类模型。A-BiLSTM双通道层使用注意力机制关注对文本分类贡献值较大的部分,并用BiLSTM提取文本中上下文语义信息;A-BiLSTM双通道层中将... 为解决单一神经网络不能获取准确全局文本信息的问题,提出一种基于A-BiLSTM双通道和优化CNN的文本分类模型。A-BiLSTM双通道层使用注意力机制关注对文本分类贡献值较大的部分,并用BiLSTM提取文本中上下文语义信息;A-BiLSTM双通道层中将两者输出的特征信息融合,得到高级语义;A-BiLSTM双通道层后,使用优化CNN的强学习能力提取关键局部特征,得到最终文本特征表示。分类器输出文本信息的类别。实验结果表明,该模型分类效果优于其它对比模型,具有良好的泛化能力。 展开更多
关键词 文本分类 深度学习 双通道网络 注意力机制 双向长短时记忆网络 卷积神经网络 词向量模型
下载PDF
基于BiLSTM模型的BDS-3短期钟差预报精度研究
20
作者 潘雄 黄伟凯 +3 位作者 赵万卓 张思莹 张龙杰 金丽宏 《测绘学报》 EI CSCD 北大核心 2024年第1期65-78,共14页
提出了一种改进的北斗钟差预测模型,将传统的单向长短期记忆神经网络(LSTM)扩展为双向长短期记忆网络(BiLSTM),引入了3种自适应匹配超参数的算法提高钟差数据短期预报的精度。首先,对LSTM进行优化,建立BiLSTM模型,介绍了超参数的3种选... 提出了一种改进的北斗钟差预测模型,将传统的单向长短期记忆神经网络(LSTM)扩展为双向长短期记忆网络(BiLSTM),引入了3种自适应匹配超参数的算法提高钟差数据短期预报的精度。首先,对LSTM进行优化,建立BiLSTM模型,介绍了超参数的3种选择方案(粒子群搜索(PSO)、麻雀搜索(SSA)和贝叶斯搜索(BOA)),并给出了相应的适用范围。然后,详细介绍基于超参数优化BiLSTM模型的钟差预报的步骤。最后,利用GFZ卫星钟差数据,从不同轨道类型、5 min采样间隔、15 min采样间隔等方面进行了1、6和12 h的单天和多天预报对比试验,并进行了相应模型的时间复杂度分析。试验结果表明,采用超参数方案优化后的BiLSTM模型在进行1、6和12 h预报时,相较于二次多项式模型、灰色模型、长短期记忆神经网络的模型和BiLSTM模型,平均精度可分别提升86.21%、83.32%、69.99%和55.17%。在3种优化方案中,使用PSO算法对IGSO类型卫星的优化效果较好;使用BOA算法对MEO类型卫星的钟差优化效果较好;使用SSA算法在整体上优化效果最好。虽然经过超参数优化后的BiLSTM模型训练时间相对常用模型较长,但预报速度较快,总体上能够满足实时预报时间要求。 展开更多
关键词 钟差预报 bilstm 超参数优化 神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 40 下一页 到第 页
使用帮助 返回顶部