长短时记忆相关论文
随着大型旋转机械设备的广泛应用，高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关......
针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题，提出了一种基于梯度惩罚Wasserstein生成对抗网络（Wasserstein gener......
近年来,受极端气候和人类活动影响,山丘区局地强降雨频发,山洪灾害问题尤为严重,已成为我国自然灾害中造成人员伤亡的主要灾种,严......
随着智能手机的快速发展，使用智能手机进行室内定位成为近几年的研究热点之一。使用智能手机进行定位时，针对单纯MEMS惯导推算误差发......
分布式光伏（photovoltaic, PV）发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷，同时捕捉......
提出一种基于LSTM混合算法的用户电量数据异常检测模型。首先，提出了一种用于电力数据特征提取的检测器，该检测器通过从样本中提取抽......
针对现有电力负荷预测方法精度比较低的问题，该文提出一种改进深度神经网络的短期电力负荷预测模型。首先通过长短时记忆网络（Long S......
声纹识别利用说话人生物特征的个体差异性,通过声音来识别说话人的身份。声纹具有非接触、易采集、特征稳定等特点,应用领域十分广......
近年来,神经网络理论的快速发展推动了人类对脑科学的深入研究和类脑人工智能技术的积极探索,而联想记忆作为大脑认知的基础功能与......
随着汽车保有量的增加,交通安全问题日益严峻。智能车辆能够通过合理有效的决策方法提高行驶安全性,从而减少交通事故的发生。行人......
随着风电的大规模开发利用,其存在的问题也逐渐凸显。由于风电场的风速具有随机波动不确定性等特点,风电场发出的风功率也具有不稳......
针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题,提出一种基于快速傅里叶变换(FFT)、密度层次聚类算法(DC-HC......
长短时记忆神经网络（LSTM）由于其在序列数据处理方面的显著优势，因此在无线通信领域得到广泛地应用。本文面向OFDM系统对基于LSTM网络......
传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够.针对上述问......
制冷机在工业企业中的使用极为广泛,为了能及时发现制冷机长期运行过程中因气缸、曲轴磨损及设备松动等引起的运行异常及故障,保证......
行人作为重要的交通参与者，其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。本文基于注意力机制增强的长短时记忆（Long......
网络攻击检测在网络安全中扮演着重要角色.网络攻击检测的对象主要为僵尸网络、SQL注入等攻击行为.随着安全套接层/安全传输层(SSL......
目的 基于长短时记忆(long short-term memory,LSTM)网络,构建1型糖尿病(type 1 diabetes mellitus,T1DM)患者运动模式下的血糖预......
机器自动情绪识别因其在人机交互中的潜在应用而受到越来越多的关注。目前,情绪识别可通过多种信息来实现,如面部表情、语音语调、......
命名实体识别是指识别在文本中具有特定意义的实体。在信息提取、问答系统、句法分析、机器翻译等自然语言处理任务中,命名实体识......
在线社交媒体平台和即时通讯服务是新闻传播的理想场所,但正面临着诈骗新闻头条肆意散布的严重安全问题。为检测诈骗新闻头条,以往......
为了实现基于内容的语音全文检索,提高语音检索性能,以及保障云端语音数据的隐私安全,提出了一种基于声母和深度哈希的密文语音全......
针对钢包连铸过程中需要精确控制下渣时刻的问题,提出一种基于局部加权回归和长短时记忆(LSTM)神经网络模型的连铸下渣预测系统.该......
针对飞机大迎角过失速机动过程中的非定常气动力高精度建模需求,提出了一种基于长短时记忆（LSTM）神经网络的非定常气动力建模方法。......
为了探明钢铁期货价格与现货价格之间的相关方式,采集了近年来的螺纹钢与热轧板卷期货现货交易的时序数据,并运用多种时序数据相似......
基于深度学习的负荷分解方法忽略了设备状态的关联性,导致应用过程中会出现功率误判现象.针对上述问题,提出一种基于时间模糊化长......
提出了一种基于融合i-vector特征的长短时记忆(LSTM)循环神经网络模型,用于腹腔镜扶持器语音控制,在小训练样本下实现对特定医生语......
准确的风电功率预测有利于电力系统运行、峰值调节、安全分析和节能减耗.提出了一种基于鲁棒回归(Robust Regression,RR)和变分模......
针对盾构隧道地表沉降预测问题,在总结现有地表沉降预测方法和理论的基础上,提出基于长短时记忆(LSTM)神经网络构建的地表沉降预测......
针对传统桥梁结构损伤诊断方法在时间联合序列信号特征提取及损伤识别方面不理想的问题,提出一种基于联合卷积神经网络(convolutio......
大城市地铁路网日益复杂且承载着巨大的客流量,客流预测精度要求日益提高,地铁进出客流量的精确预测为地铁运营调度提供重要的决策......
人脸图像修复技术是近年来图像处理领域的研究热点,而人脸图像大面积缺失导致损失语义信息过多,一直是该领域的重点难点问题。针对......
针对半导体器件故障主要由时间和应力导致的问题,从多源数据入手,提出基于长短时记忆(LSTM)算法的热应力下半导体器件故障预测模型......
针对气象预测内容繁多且影响因素多样的问题,提出了一种基于长短时记忆(LSTM)的气象预测方法.方法能够对繁杂的气象数据进行自动预......
疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点......
科技的进步与发展,软硬件的不断普及,上网阅读与评论逐渐变为人们的日常活动,那么网络上也就隐藏着各种有价值的信息。情感分析是......
针对传统股票趋势预测模型中忽略社交媒体文本信息对股价变化的影响和时间序列的平稳性处理、长期依赖等问题,提出一种融合社交媒......
长短时记忆(LSTM)循环神经网络的塑料编织机故障诊断法通过提取振动信号的能量矩,突出信号在时间轴上的分布特征,降低输入模型的向......
针对常用机器学习算法对各种调制干扰信号的特征提取困难和识别率低的问题,提出了一种基于长短时记忆神经网络的通信信号调制识别......
网络安全态势预测作为网络安全态势感知的重要组成部分,描述的是安全态势随时间动态变化的行为,具体是根据历史态势值预测未来态势......
睡眠呼吸暂停(Sleep Apnea)是一种常见睡眠呼吸疾病,以阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea,OSA)为主,主要表现为呼吸气流......
药物-药物相互作用(drug–drug interactions,DDIs)是指在一定时间段内同时服用两个或两个以上的药物产生的复合作用。在医生对患......
