检索结果-南通市图书馆

海洋环境科学 2020年第6期39卷 918-925页

作者：贺琪查铖宋巍戚福明郝增周黄冬梅上海海洋大学信息学院上海201306 上海必途信息技术有限公司上海201824 卫星海洋环境动力学国家重点实验室自然资源部第二海洋研究所浙江杭州310012 上海电力大学上海200090

海表面温度是海洋科学研究中重要的参数之一,有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性,首先利用基于局部加权回归的周期趋势分解方法... 详细信息

海表面温度是海洋科学研究中重要的参数之一,有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性,首先利用基于局部加权回归的周期趋势分解方法将原始海表面温度序列分解为周期项、趋势项和余项,挖掘海表面温度的潜在信息并去除序列中的随机噪音,再结合长短期记忆网络模型的优点,搭建神经网络来预测未来5天内的海表面温度。通过与其它模型的预测效果进行对比,实验结果表明,本文方法在预测海表面温度时具有较好的预测精度,能够实现海表面温度的有效预测。

关键词：时间序列海表面温度预测基于局部加权回归的周期趋势分解长短期记忆网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Spark平台下的海表面温度并行预测算法

引用

海洋通报 2019年第3期38卷 280-289页

作者：贺琪查铖孙苗姜晓轶戚福明黄冬梅宋巍上海海洋大学信息学院上海201306 上海电力大学上海200090 上海必途信息技术有限公司上海201824 国家海洋信息中心天津300171 国家海洋局数字海洋科学技术重点实验室天津300171

面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于 Sp... 详细信息

面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于 Spark 平台提出了一种改进的快速 DTW 算法 SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW 与 SVM 相结合,提出了 SparkDTW+SVM 混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW 算法预测精度优于 SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM 在精度方面要优于 SparkDTW 和 SVM,表明 SVM 模型能充分利用时间序列挖掘的信息,验证了 SparkDTW+SVM 在海表面温度预测的有效性。

关键词：时间序列相似性度量海表面温度预测 Spark

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

深度神经网络的鲁棒性分析及应用研究

深度神经网络的鲁棒性分析及应用研究

引用

作者：姚小芳电子科技大学

学位级别：硕士

随着深度神经网络在各个领域中的广泛应用,深度神经网络的鲁棒性逐渐成为研究的热点。本文研究和设计了具有鲁棒性的强稳定保持生成对抗网络,并介绍了其生成网络和判别网络的结构。针对生成对抗网络训练不稳定的问题以及该模型在海表面... 详细信息

随着深度神经网络在各个领域中的广泛应用,深度神经网络的鲁棒性逐渐成为研究的热点。本文研究和设计了具有鲁棒性的强稳定保持生成对抗网络,并介绍了其生成网络和判别网络的结构。针对生成对抗网络训练不稳定的问题以及该模型在海表面温度预测上的应用,改进了其损失函数,并对Wasserstein距离的可控性进行分析。鲁棒性的研究方法分为精确和近似两种情况,因此需要根据学习任务的不同选择最合适的分析方法。本文的研究中心是基于Lipscihtz常数的方法研究深度神经网络的鲁棒性,给出了非线性的深度神经网络模型线性映射的方式,并研究了当数据发生扰动或者网络参数发生扰动时的鲁棒性条件,具体的研究内容分为两部分。第一部分研究了深度神经网络的鲁棒性条件。首先研究了将非线性的深度神经网络模型线性映射的方式,其次研究了数据或者网络参数发生扰动时,深度神经网络模型具有鲁棒性的条件,即深度神经网络模型各网络层权重矩阵范数的取值范围和激活函数变换矩阵特征值的取值范围。同时,研究了当网络参数发生扰动时各网络层激活函数的选取。第二部分设计并搭建了具有鲁棒性的强稳定保持生成对抗网络模型。首先设计了生成网络和判别网络,并证明了判别网络的稳定性。其次分析了 Wasserstein距离的可控性以及研究了该模型的损失函数。针对生成对抗网络训练不稳定的问题,对判别网络的梯度进行一个Lipschitz条件限制,即在海表面温度真实数据分布区域、生成数据分布区域以及处于它们之间的区域上施加Lipschitz条件,将其梯度限制在1附近便可以得到一个很好的效果。生成网络的损失函数选择可以预测海表面温度的均方差公式。最后,对强稳定保持生成对抗网络进行训练和测试,并通过实验验证了该模型在海表面温度预测上的准确性和鲁棒性。

关键词：深度神经网络鲁棒性激活函数生成对抗网络海表面温度预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：