期刊文献+
共找到339篇文章
< 1 2 17 >
每页显示 20 50 100
考虑多能时空耦合的用户级综合能源系统超短期负荷预测方法 认领 被引量:2
1
作者 栗然 孙帆 +3 位作者 丁星 韩怡 刘英培 严敬汝 《电网技术》 EI CSCD 北大核心 2020年第11期4121-4131,共11页
针对用户级综合能源系统(integratedenergysystem,IES)规模小、负荷波动大、能量耦合复杂的特点,提出一种考虑多能时空耦合的超短期负荷预测方法。首先,结合K-means聚类方法和Pearson相关系数,将无明显规律的各类基本负荷单元进行"... 针对用户级综合能源系统(integratedenergysystem,IES)规模小、负荷波动大、能量耦合复杂的特点,提出一种考虑多能时空耦合的超短期负荷预测方法。首先,结合K-means聚类方法和Pearson相关系数,将无明显规律的各类基本负荷单元进行"像素重构",使之在水平和竖直两个方向具有一定的关联特征;其次,利用多通道卷积神经网络(multi-channel convolutional neural network,MCNN)对多类重构后的二维负荷像素在高维空间进行特征的独立提取和统一融合;最后,将扩展气象与节假日信息的综合特征按照时序的方式输入长短时记忆网络(long short-term memory,LSTM)进行负荷预测。以某用户级IES实测负荷数据为算例进行分析,结合基本卷积神经网络(convolutionalneuralnetwork,CNN),对比是否进行像素重构和负荷特征融合的各场景下LSTM、CNN-LSTM、MCNN-LSTM方法的预测效果,结果表明,考虑像素重构和负荷特征融合的MCNN-LSTM方法可有效提高用户级IES负荷的预测精度。 展开更多
关键词 超短期负荷预测 综合能源系统 多通道卷积神经网络 长短时记忆网络 负荷像素
基于分时长短期记忆神经网络的光伏发电超短期功率预测 认领
2
作者 田剑刚 张沛 +4 位作者 彭春华 时珉 王铁强 尹瑞 王一峰 《现代电力》 北大核心 2020年第6期629-637,I0006,共10页
准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记... 准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。 展开更多
关键词 光伏发电 超短期功率预测 长短期记忆网络 Spearman相关系数 分时预测
一种使用CALSTM模型进行短期光伏功率预测的方法 认领
3
作者 谢宏文 查浩 +2 位作者 陈庆文 奚瑜 王鹏志 《供用电》 2020年第12期61-66,共6页
光伏发电功率精准预测可有助于提升能源系统的安全性和稳定性。对于多变量的高维光伏功率数据,提出了一种带注意力机制的卷积网络与长短时记忆网络相结合的组合模型(CALSTM),用于同步提取其空间和时间特征,并对光伏功率进行准确的短期... 光伏发电功率精准预测可有助于提升能源系统的安全性和稳定性。对于多变量的高维光伏功率数据,提出了一种带注意力机制的卷积网络与长短时记忆网络相结合的组合模型(CALSTM),用于同步提取其空间和时间特征,并对光伏功率进行准确的短期预测。针对光伏功率数据集GermanSolarFarm,将CALSTM预测与其他常见的6种常用的预测方法进行了对比实验,实验结果表明,CALSTM预测结果与真实值的误差均优于其他方法,证明了算法的有效性和优越性。 展开更多
关键词 光伏发电 功率预测 卷积神经网络 长短时记忆网络 卷积网络
在线阅读 下载PDF
多时序协同中期负荷预测模型 认领 被引量:1
4
作者 刘江永 刘文翰 易灵芝 《电力系统及其自动化学报》 CSCD 北大核心 2020年第2期48-53,共6页
针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memo... 针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memory)网络的多时序协同中期负荷预测ARIMA-LSTM模型。该模型考虑了季节、温度和节假日的影响,采用ARIMA提取负荷序列内部因素,用Adam算法优化ARIMA-LSTM模型的网络参数。最后将某地区实际负荷数据用于该模型,并与神经网络NN(neural network)模型和LSTM进行对比,其均方根误差分别降低了7.698%和2.154%,验证了该模型具有更高的预测精度。 展开更多
关键词 中期负荷预测 加法自回归积分滑动平均模型 长短期记忆网络 预测精度
在线阅读 下载PDF
自适应融合RGB和骨骼特征的行为识别 认领
5
作者 郭伏正 孔军 蒋敏 《激光与光电子学进展》 CSCD 北大核心 2020年第20期302-311,共10页
传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注... 传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注意力机制提取两者的时空特征;然后,构建自适应权重计算网络(AWCN),并以两者的空间特征为输入计算出自适应权重;最后,利用自适应权重得到上述时空特征的融合特征,实现了最终的动作分类。通过在Penn Action、JHMDB和NTU RGB-D人体行为数据集上与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别精度。 展开更多
关键词 机器视觉 行为识别 姿态估计 自适应权重计算网络 长短时记忆网络 自注意力
基于支持向量机和长短期记忆网络的暂态功角稳定预测方法 认领 被引量:1
6
作者 刘俐 李勇 +4 位作者 曹一家 汤吉鸿 朱军飞 杨丹 王炜宇 《电力自动化设备》 EI CSCD 北大核心 2020年第2期129-136,共8页
为实现暂态功角稳定性及功角轨迹的预测,提出一种支持向量机(SVM)与长短期记忆(LSTM)网络相结合的预测方法。根据系统动态特性构造暂态特征变量,采用SVM训练暂态稳定性分类器,对暂态稳定进行初步评估;利用LSTM网络对分类器评估的失稳样... 为实现暂态功角稳定性及功角轨迹的预测,提出一种支持向量机(SVM)与长短期记忆(LSTM)网络相结合的预测方法。根据系统动态特性构造暂态特征变量,采用SVM训练暂态稳定性分类器,对暂态稳定进行初步评估;利用LSTM网络对分类器评估的失稳样本进行发电机功角轨迹预测,提前发现失稳机组,减少误判样本数。通过IEEE 10机39节点系统产生训练样本并对所提方法进行测试,结果验证了所提方法的快速性和精确性。 展开更多
关键词 暂态功角稳定预测 支持向量机 循环神经网络 长短期记忆网络 功角轨迹预测
在线阅读 下载PDF
联合卷积与长短记忆神经网络的桥梁结构损伤识别研究 认领
7
作者 杨建喜 张利凯 +3 位作者 李韧 何盈盈 蒋仕新 邹俊志 《铁道科学与工程学报》 CAS CSCD 北大核心 2020年第8期1893-1902,共10页
为改进传统方法在时空相关特征联合提取及结构损伤识别效果等方面存在的不足,结合结构健康监测加速度振动信号的数据特性,将结构损伤识别归约为多变量时间序列分类问题,提出一种联合卷积神经网络(Convolutional Neural Network,CNN)和... 为改进传统方法在时空相关特征联合提取及结构损伤识别效果等方面存在的不足,结合结构健康监测加速度振动信号的数据特性,将结构损伤识别归约为多变量时间序列分类问题,提出一种联合卷积神经网络(Convolutional Neural Network,CNN)和长短记忆(Long Short-Term Memory,LSTM)循环神经网络模型的桥梁结构损伤识别方法。以结构健康监测获取的加速度振动响应为输入,通过CNN模型提取其多时间窗口内传感器拓扑相关性特征,然后将该特征矩阵输入以Softmax为输出层的LSTM模型,以进一步提取其时间维度特征,并进行结构损伤模式分类。以某连续刚构桥结构缩尺模型的一种无损伤及3种不同程度损伤工况为试验数据环境,验证了提出方法在准确率、精确率、召回率和F值等方面优势。 展开更多
关键词 桥梁健康监测 结构损伤识别 卷积神经网络 长短记忆神经网络
在线阅读 下载PDF
基于深度视觉注意神经网络的端到端自动驾驶模型 认领
8
作者 胡学敏 童秀迟 +2 位作者 郭琳 张若晗 孔力 《计算机应用》 CSCD 北大核心 2020年第7期1926-1931,共6页
针对现有端到端自动驾驶方法中存在的驾驶指令预测不准确、模型结构体量大和信息冗余多等问题,提出一种新的基于深度视觉注意神经网络的端到端自动驾驶模型。为了更有效地提取自动驾驶场景的特征,在端到端自动驾驶模型中引入视觉注意力... 针对现有端到端自动驾驶方法中存在的驾驶指令预测不准确、模型结构体量大和信息冗余多等问题,提出一种新的基于深度视觉注意神经网络的端到端自动驾驶模型。为了更有效地提取自动驾驶场景的特征,在端到端自动驾驶模型中引入视觉注意力机制,将卷积神经网络、视觉注意层和长短期记忆网络进行融合,提出一种深度视觉注意神经网络。该网络模型能够有效提取驾驶场景图像的空间特征和时间特征,并关注重要信息且减少信息冗余,实现用前向摄像机输入的序列图像来预测驾驶指令的端到端自动驾驶。利用模拟驾驶环境的数据进行训练和测试,该模型在乡村路、高速路、隧道和山路四个场景中对方向盘转向角预测的均方根误差分别为0.00914、0.00948、0.00289和0.01078,均低于对比用的英伟达公司提出的方法和基于深度级联神经网络的方法;并且与未使用视觉注意力机制的网络相比,该模型具有更少的网络层数。 展开更多
关键词 自动驾驶 端到端 视觉注意力 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于MGCNN的商品评论情感分析 认领
9
作者 许犇 徐国庆 +1 位作者 程志宇 罗京 《武汉工程大学学报》 CAS 2020年第5期585-590,共6页
为了解决传统的深度学习模型会忽略语料库中全局词共现信息所包含的非连续和长距离语义的问题。本文提出记忆图卷积神经网络(MGCNN)引入注意力机制的商品评论情感分析方法。首先提取词与词、词与文档之间的关系,以全部的词和文档作为节... 为了解决传统的深度学习模型会忽略语料库中全局词共现信息所包含的非连续和长距离语义的问题。本文提出记忆图卷积神经网络(MGCNN)引入注意力机制的商品评论情感分析方法。首先提取词与词、词与文档之间的关系,以全部的词和文档作为节点,将整个数据集构造成一个异构文本图。再基于图卷积网络(GCN)来构建用于图结构数据的神经网络,利用长短期记忆网络(LSTM)提取上下文相关特征,并使用注意力层获取重要特征。多组对比实验结果表明,本方法的分类效果更好,且随着训练集数据所占比例的降低,其优势更加显著。 展开更多
关键词 图卷积网络 长短期记忆网络 注意力模型 商品评论 情感分析
在线阅读 免费下载
基于注意力机制的混合神经网络关系分类方法 认领
10
作者 庄传志 靳小龙 +1 位作者 李忠 孙智 《计算机工程与科学》 CSCD 北大核心 2020年第1期64-70,共7页
关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来... 关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来进行分类,以减少手动构造各类特征。在句子中,不同关键词对关系分类任务的贡献程度是不同的,然而重要的词义有可能出现在句子中的任意位置。为此,提出了一种基于注意力的混合神经网络关系分类模型来捕获重要的语义信息,用来进行关系分类,该方法是一种端到端的方法。实验结果表明了该方法的有效性。 展开更多
关键词 关系分类 卷积神经网络 长短时记忆网络 注意力机制
在线阅读 下载PDF
基于LSTM网络鄱阳湖抚河流域径流模拟研究 认领
11
作者 姜淞川 陆建忠 +1 位作者 陈晓玲 刘子旋 《华中师范大学学报:自然科学版》 CAS CSCD 北大核心 2020年第1期128-139,共12页
水文预报及其径流变化趋势预测能够为防汛工作提供辅助决策,是水库调度兴利的重要手段.与传统分布式水文模型相比,利用长短期记忆网络(LSTM)建立降雨径流预报模型具有简单可行和精度较高的优点.该文以鄱阳湖抚河流域为研究对象,采用抚... 水文预报及其径流变化趋势预测能够为防汛工作提供辅助决策,是水库调度兴利的重要手段.与传统分布式水文模型相比,利用长短期记忆网络(LSTM)建立降雨径流预报模型具有简单可行和精度较高的优点.该文以鄱阳湖抚河流域为研究对象,采用抚河流域的降雨和径流数据分别作为模型驱动数据和标签数据,通过LSTM网络实现抚河流域的径流模拟工作.结果表明:在使用气象站数据建立的日尺度径流模拟模型中,模拟结果与实测值相关性均达到0.9以上,偏差在±5%以内,模型表现非常好;在使用TRMM数据建立的月尺度模型中,整体模拟结果与实测值相关性在0.9以上,整体偏差在±5%以内,模型表现优秀. 展开更多
关键词 深度学习 神经网络 径流模拟 长短期记忆网络 鄱阳湖抚河流域
在线阅读 下载PDF
基于卷积神经网络与长短期记忆网络的医学影像数据管理方法研究 认领
12
作者 黄江珊 高娃 +1 位作者 宿静 王伟丽 《医学与社会》 北大核心 2020年第6期84-89,110,共7页
目的:将复杂的医学影像通过模型的自动学习转化为可供直接利用的文本诊断数据,以期实现医学影像数据的深度管理开发与利用,为后续的临床病例诊断提供参考。方法:通过在卷积神经网络中嵌入长短期记忆网络,以甲状腺良恶性结节B超影像为例... 目的:将复杂的医学影像通过模型的自动学习转化为可供直接利用的文本诊断数据,以期实现医学影像数据的深度管理开发与利用,为后续的临床病例诊断提供参考。方法:通过在卷积神经网络中嵌入长短期记忆网络,以甲状腺良恶性结节B超影像为例,对医学影像提取高维特征、生成序列描述,将高维度深层次非结构化的医学影像转化为结构化的医学影像文本诊断数据。结果:在同一信息模态下实现了医学影像与其自身诊断数据的关联,医学影像与患者信息、病案信息的关联,构建了基于卷积神经网络与长短期记忆网络的医学影像数据管理一般方法。结论:此管理方法为后续医学影像数据的知识利用提供了信息基础,为医疗辅助诊断提供数据保障,为跨区域跨机构医学影像数据资源共享提供数据支撑。 展开更多
关键词 医学影像 数据管理 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于多维放缩和长短期记忆网络的期货价格预测 认领
13
作者 扈文 孙德山 《应用数学进展》 2020年第10期1798-1804,共7页
结合多维放缩方法构建长短期记忆网络(MDS-LSTM)模型,对黄金主连期货未来10日的收盘价格进行预测。首先选取黄金主连的12个指标,利用多维放缩对12个指标进行降维,然后建立MDS-LSTM、MDS-BP和LSTM神经网络模型对收盘价格进行预测,将三个... 结合多维放缩方法构建长短期记忆网络(MDS-LSTM)模型,对黄金主连期货未来10日的收盘价格进行预测。首先选取黄金主连的12个指标,利用多维放缩对12个指标进行降维,然后建立MDS-LSTM、MDS-BP和LSTM神经网络模型对收盘价格进行预测,将三个模型的预测结果进行比较,结果表明MDS-LSTM模型的预测精度较高,能更好的预测期货的走势。 展开更多
关键词 多维放缩 长短期记忆网络 BP神经网络
在线阅读 下载PDF
深度残差网络和LSTM结合的图像序列表情识别 认领
14
作者 马玉环 张瑞军 +1 位作者 武晨 屈军锁 《重庆邮电大学学报:自然科学版》 CSCD 北大核心 2020年第5期874-883,共10页
为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网... 为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合。研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法。在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升。 展开更多
关键词 人脸表情识别 深度残差网络 长短期记忆网络
在线阅读 免费下载
基于BiLSTM_CRF模型的藏文分词方法 认领
15
作者 王莉莉 王宏渊 +1 位作者 白玛曲珍 杨鸿武 《重庆邮电大学学报:自然科学版》 CSCD 北大核心 2020年第4期648-654,共7页
藏文分词是实现藏文语音合成和藏文语音识别的关键技术之一。提出一种基于双向长短时记忆网络加条件随机场(bidirectional long-short-term memory with conditional random field model,BiLSTM_CRF)模型的藏文分词方法。对手工分词的... 藏文分词是实现藏文语音合成和藏文语音识别的关键技术之一。提出一种基于双向长短时记忆网络加条件随机场(bidirectional long-short-term memory with conditional random field model,BiLSTM_CRF)模型的藏文分词方法。对手工分词的语料经过词向量训练后输入到双向长短时记忆网络(bidirectional long-short-term memory,BiLSTM)中,将前向长短时记忆网络(long-short-term memory,LSTM)和后向LSTM学习到的过去输入特征和未来输入特征相加,传入到线性层和softmax层进行非线性操作得到粗预测信息,再利用条件随机场(conditional random field,CRF)模型进行约束性修正,得到一个利用词向量和CRF模型优化的藏文分词模型。实验结果表明,基于BiLSTM_CRF模型的藏文分词方法可取得较好的分词效果,分词准确率可达94.33%,召回率为93.89%,F值为94.11%。 展开更多
关键词 文本分词 长短时计忆网络 深度神经网络 词向量 民族语言
在线阅读 免费下载
基于小波降噪和循环神经网络的煤矿瓦斯浓度预测 认领
16
作者 张新建 刘锋 李贤功 《煤炭技术》 CAS 2020年第9期145-148,共4页
在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯... 在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。 展开更多
关键词 瓦斯浓度预测 长短期记忆网络 小波降噪 时间序列
多层循环神经网络在动作识别中的应用 认领
17
作者 杜溦 《计算机科学与应用》 2020年第6期1277-1285,共9页
人体动作识别是目前计算机视觉的一个研究热点。本文在传统双流法的基础上,引入目标识别网络,提出了一种基于多层循环神经网络的人体动作识别算法。该算法利用三维扩张卷积金字塔处理连续视频图像,结合长短期记忆网络,给出了一种能够实... 人体动作识别是目前计算机视觉的一个研究热点。本文在传统双流法的基础上,引入目标识别网络,提出了一种基于多层循环神经网络的人体动作识别算法。该算法利用三维扩张卷积金字塔处理连续视频图像,结合长短期记忆网络,给出了一种能够实时分析人体动作行为的金字塔卷积长短期记忆网络。本文利用NTU RGB + D人体动作识别数据库,对五种人体动作,如梳头、坐下、起立、挥手、跌倒等动作进行识别。试验结果表明算法由于采取了扩张卷积,参数量明显降低,在监控视频处理方面具有较好的准确性和实时性。 展开更多
关键词 人体动作识别 扩张卷积 长短期记忆网络 深度学习
在线阅读 下载PDF
引入词向量和双注意力机制的图像语义理解 认领
18
作者 董冰 王玉德 《通信技术》 2020年第12期2947-2953,共7页
针对图像语义理解任务中如何在单词生成的不同阶段有效地利用图像局部信息和语义信息,提出了一种引入词向量和双注意力机制的图像语义理解算法。该算法采用编码器-解码器结构,利用Resnet-50网络模型提取图像的底层特征,应用输入阶段和... 针对图像语义理解任务中如何在单词生成的不同阶段有效地利用图像局部信息和语义信息,提出了一种引入词向量和双注意力机制的图像语义理解算法。该算法采用编码器-解码器结构,利用Resnet-50网络模型提取图像的底层特征,应用输入阶段和输出阶段分别引入了注意力机制的长短期记忆网络实现,图像特征到图像语义的变换,同时在每个解码阶段都引入了表征语义信息的词向量。在MS COCO2014数据库上进行训练和测试,从实验结果可知,提出的算法能更高效地利用图像的局部特征信息和语义信息,生成的图像语义表达更加准确,且BLEU、ROUGE-L等评价指标均有提升。 展开更多
关键词 图像语义理解 双注意力机制 长短期记忆网络 词向量
在线阅读 下载PDF
基于长短期记忆网络的机械臂逆运动学解 认领
19
作者 周恒旭 何志敏 周燕 《机械与电子》 2020年第6期74-80,共7页
为了解决传统的解析法用于机械臂逆运动学求解过程中存在操作烦琐和奇异点处无法逆运算等问题,提出了基于长短期记忆网络的机械臂逆运动学求解算法。通过对机械臂的正运动学和工作空间的分析,获取大量有效的机械臂关节空间数据和相对应... 为了解决传统的解析法用于机械臂逆运动学求解过程中存在操作烦琐和奇异点处无法逆运算等问题,提出了基于长短期记忆网络的机械臂逆运动学求解算法。通过对机械臂的正运动学和工作空间的分析,获取大量有效的机械臂关节空间数据和相对应的末端姿态数据,并作为训练样本。经过训练后,获得逆运动学解的高精度结果。对比传统解析法求解,基于长短期记忆网络方法的求解速度较快。此外,机器人仿真结果显示,相关轨迹无明显的抖动偏移。 展开更多
关键词 机械臂逆运动学 运动学模型 长短期记忆网络 机器人仿真
在线阅读 免费下载
基于随机失活LSTM网络的避雷器阻性电流预测方法 认领
20
作者 张古尧 马爱清 《水电能源科学》 北大核心 2020年第10期159-162,98,共5页
金属氧化物避雷器(MOA)老化后,会丧失对过电压的抑制力,从而使电气设备暴露在过电压的危险下,因此及时了解MOA老化情况,对于电力系统设备的安全、可靠运行十分重要。在此背景下,提出了引入随机失活技术的长短期记忆网络(LSTM)避雷器阻... 金属氧化物避雷器(MOA)老化后,会丧失对过电压的抑制力,从而使电气设备暴露在过电压的危险下,因此及时了解MOA老化情况,对于电力系统设备的安全、可靠运行十分重要。在此背景下,提出了引入随机失活技术的长短期记忆网络(LSTM)避雷器阻性电流预测方法,来判断MOA的老化趋势,该方法能有效避免深度学习的过拟合问题并改善网络性能。采用某变电站避雷器数据对所提方法进行训练,结果表明所提出的深度LSTM算法与BP神经网络、循环神经网络相比精度显著提升,预测结果的均方误差在4.3%左右。 展开更多
关键词 金属氧化物避雷器 阻性电流 深度学习 长短期记忆网络
上一页 1 2 17 下一页 到第
使用帮助 返回顶部 意见反馈