长短时记忆网络论文

论文摘要准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM...

论文摘要针对传统滚动轴承故障诊断方法过度依赖专家经验和故障特征提取困难的问题,结合深层神经网络处理高维、非线性数据的优势,提出了一种基于深层小波卷积自编码器(DWCAE)和长短...

论文摘要针对目前大部分基于图像的输油管道泄漏检测方法都是基于变化检测的,并很容易受到噪声、光线变化等因素的影响产生误报的问题,提出了基于孪生网络和长短时记忆网络的输油管道泄漏检...

论文摘要胞内钙信号在研究细胞生命活动和探讨力对细胞的影响中非常重要,并且[Ca2+]i的改变是细胞状态变化或响应胞外刺激的指纹,这使钙信号数据处理方法备受关注。常用的钙信号数据...

论文摘要股票是一个国家经济社会的主要组成部分,但是股票价格深受经济环境、国家政策、国内外环境等的影响,所以股票的波动方向与股票价格本身就很难预测,再加上股票交易中市场的随机性、...

论文摘要股票时间序列是一种常见的非线性时间序列,现有的股票时间序列预测研究主要集中在对股票的多个技术指标中单一变量的预测研究方面,大多学者只用某种具体方法对股票技术指标之一的预...

论文摘要传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数的水下声目标智能识别分类方...

论文摘要水下目标的分类识别对于水声探测具有重要意义。该文提出一种水下目标多模态深度学习分类识别方法。针对水声信号的一维时域模态和二维频域模态特征建立一种多模态特征融合的深度学习...

论文摘要时间序列数据广泛存在于在金融、天文、工业、医药、电力等诸多领域。时间序列具有连续性,随机性以及周期性,其特性表明了对其进行预测的可行性与困难性。通过分析时间序列数据,可...

论文摘要随着对能源利用效率要求的提高及日益激增的光伏数据,传统的光伏预测方法已逐渐丧失优势。为了更加准确地进行光伏预测,采用深度学习的框架,并利用循环神经网络(RNN)中最重要...

论文摘要燃气负荷预测受到社会经济、天气因素、日期类型等多种复杂因素的影响,而多因素的共同作用则必然会导致燃气负荷序列变化趋势具有很大的随机性以及一定程度上的复杂性.为了有效提高...

论文摘要轴承是最为常见且重要的机械零部件之一,机械轴承的故障诊断方法一直被广泛关注和研究。近年来,越来越多的研究者利用深度学习方法对机械轴承进行故障检测与诊断,但为取得较好的轴...

论文摘要本文针对电网短期负荷预测的时序性和非线性特点,提出一种基于改进长短时记忆网络(LongShortTermMemory,LSTM)的短期负荷预测方法。在PyCharm平台...