检索结果-南通市图书馆

基于bi-lstm/bi-GRU循环神经网络的锂电池SOC估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

储能科学与技术 2021年第3期10卷 1163-1176页

作者：朱元富贺文武李建兴李有财李培强福建工程学院福建福州350018 福建星云电子股份有限公司福建福州350015

锂电池的荷电状态(state-of-charge,SOC)涉及的物理特性或电化学特性高度复杂,其值一般难以直接测量,基于深度神经网络等新方法的SOC估计近期为相关研究者所关注。为进一步提升SOC估计性能,有效捕获锂电池SOC的动态物理特性,缓解深度神... 详细信息

锂电池的荷电状态(state-of-charge,SOC)涉及的物理特性或电化学特性高度复杂,其值一般难以直接测量,基于深度神经网络等新方法的SOC估计近期为相关研究者所关注。为进一步提升SOC估计性能,有效捕获锂电池SOC的动态物理特性,缓解深度神经网络模型容易发生的梯度消失与梯度爆炸等问题,本文引入双向学习策略,基于双向长短期记忆循环神经网络(bidirectional long short-term memory,bi-lstm)以及双向门控循环单元网络(bidirectional gated recurrent unit,bi-GRU)估计锂电池的SOC取值。双向循环神经网络SOC估计模型由输入层、隐藏层和输出层组成。输入层输入电池电压、电流与温度序列;隐藏层在正向lstm/GRU层的基础上增加反向lstm/GRU层,引入逆序信息,基于输入序列上下文所含信息整体上学习、表征电池特性序列与SOC序列之间的内在关联;输出层输出模型的估计值。所拟模型使用Python语言结合TensorFlow后端在Keras框架中实现,并基于基准数据集在3种温度条件下结合多种工况进行性能分析。结果表明,双向学习策略能有效提升锂电池SOC的估计性能,较之单向学习模型具有更高的估计精度与鲁棒性。与构造电池等效模型等方法的思路不同,所拟方法基于数据驱动学习锂电池SOC的非线性特性,将易于观测的锂电池特性序列数据映射为待估计的SOC取值,为锂电池SOC估计提供了可能的新思路。

关键词：锂电池 SOC估计 bi-lstm网络 bi-GRU网络

基于bi-lstm与状态约束的心音分割算法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第10期41卷 269-275,303页

作者：王幸之杨宏波宗容潘家华王威廉谭贺飞云南大学信息学院云南昆明650500 昆明医科大学云南昆明650500 云南省阜外心血管病医院结构心脏病病区云南昆明650102

心音分割是进行准确心音分类的前提。针对心音分割,提出一种基于双向长短时记忆网络(bi-lstm)与状态约束的算法。该文通过网格法确定bi-lstm网络中的最佳参数,并训练出心音状态识别模型;统计bi-lstm预测的心音状态持续时间,并计算自相... 详细信息

心音分割是进行准确心音分类的前提。针对心音分割,提出一种基于双向长短时记忆网络(bi-lstm)与状态约束的算法。该文通过网格法确定bi-lstm网络中的最佳参数,并训练出心音状态识别模型;统计bi-lstm预测的心音状态持续时间,并计算自相关参数;利用自相关参数和心音固有状态转移规则对预测的心音状态进行约束处理。使用五折交叉验证法在PhysioNet/CinC 2016数据集上进行测试,该算法与同类算法相比,整体性能更佳。

关键词：心音图心音分割 bi-lstm网络状态约束自相关

在线全文

学校读者我要写书评

暂无评论

基于无监督学习的健康指标构建方法研究

热能动力工程 2024年第7期39卷 157-164页

作者：俎海东焦晓峰张万福李春内蒙古电力科学研究院分公司内蒙古呼和浩特010020 上海理工大学能源与动力工程学院上海200093

针对设备健康指标构建方法依赖专家经验的问题,本文结合基于情境化编码器-解码器架构的多尺度残差卷积神经网络与平方欧式距离(MSR-CNED-SE)提出了一种基于无监督数据集的健康指标构建方法,利用深度学习模型实现剩余寿命预测,并在轴承... 详细信息

针对设备健康指标构建方法依赖专家经验的问题,本文结合基于情境化编码器-解码器架构的多尺度残差卷积神经网络与平方欧式距离(MSR-CNED-SE)提出了一种基于无监督数据集的健康指标构建方法,利用深度学习模型实现剩余寿命预测,并在轴承全寿命数据集上验证方法的可靠性。此外,还研究了不同相似度与深度学习网络对健康指标的影响。结果表明:基于平方欧式距离作为相似度度量构建的指标更容易找到退化的起始点,而bi-lstm网络在不同预测场景下表现出更好的稳定性和可靠性。

关键词：健康指标无监督学习剩余寿命预测平方欧式距离 bi-lstm网络

在线全文

学校读者我要写书评

暂无评论

基于自注意力机制的中文标点符号预测模型

计算机工程 2020年第5期46卷 291-297页

作者：段大高梁少虎赵振东韩忠明北京工商大学计算机与信息工程学院北京100048

中文标点符号预测是自然语言处理的一项重要任务,能够帮助人们消除歧义,更准确地理解文本。为解决传统自注意力机制模型不能处理序列位置信息的问题,提出一种基于自注意力机制的中文标点符号预测模型。在自注意力机制的基础上堆叠多层bi... 详细信息

中文标点符号预测是自然语言处理的一项重要任务,能够帮助人们消除歧义,更准确地理解文本。为解决传统自注意力机制模型不能处理序列位置信息的问题,提出一种基于自注意力机制的中文标点符号预测模型。在自注意力机制的基础上堆叠多层bi-lstm网络,并结合词性与语法信息进行联合学习,完成标点符号预测。自注意力机制可以捕获任意两个词的关系而不依赖距离,同时词性和语法信息能够提升预测标点符号的正确率。在真实新闻数据集上的实验结果表明,该模型F1值达到85.63%,明显高于传统CRF、lstm预测方法,可实现对中文标点符号的准确预测。

关键词：标点符号预测自注意力机制 bi-lstm网络深度神经网络自然语言处理

在线全文

学校读者我要写书评

暂无评论

基于深度学习的结构有限元模型修正研究

基于深度学习的结构有限元模型修正研究

作者：梁智亮哈尔滨工业大学

学位级别：硕士

自有限单元法的问世到如今已渗透到工程领域各个方面,一直备受工程界的重视。建立一个精确的有限元模型用以分析结构响应,对结构设计和评估具有重要意义。譬如,在结构健康监测中,对实际结构的监测往往是极少数位置处的响应,对监测结构... 详细信息

自有限单元法的问世到如今已渗透到工程领域各个方面,一直备受工程界的重视。建立一个精确的有限元模型用以分析结构响应,对结构设计和评估具有重要意义。譬如,在结构健康监测中,对实际结构的监测往往是极少数位置处的响应,对监测结构进行评估预警往往需要大量的结构响应信息,这时候一个能够足够准确地预测结构响应的模型就十分必要了。有限元模型修正是通过实测信息修正理论有限元模型,使有限元模型能够更真实地反映实际结构的行为。伴随着有限元分析的广泛应用和人们对结构健康监测的日益重视,该技术的需求也越来越迫切。深度学习技术在近年来飞跃发展,但探索深度学习技术在有限元模型修正的应用研究仍较为欠缺,因此有必要开展这方面研究。本文采用深度学习技术进行有限元模型修正,主要内容包括:基于简单循环神经网络的有限元模型修正方法和基于bi-lstm网络的有限元代理模型。围绕基于神经网络的有限元模型修正问题,本文分析了结构特征量选取问题,通过一种考虑多个相关性系数的方法筛选出合适的模型修正参数。建立了基于简单循环神经网络的结构有限元模型修正方法,详细阐述了简单循环神经网络的构建方法,并根据模型修正问题选取了适合的激活函数和损失函数。通过一个两跨连续梁算例表明了该方法的可行性。进一步以塔吊结构为对象,以结构自振频率和振型为结构特征量,以结构材料和构件几何参数为修正变量,通过有限元分析产生样本,训练了塔吊有限元模型修正的深度学习模型,并对比了采用简单循环神经网络、BP神经网络和一维卷积神经网络进行塔吊有限元模型修正的结果,验证本文提出的深度学习有限元修正模型的有效性和优越性。提出采用bi-lstm网络替代繁琐的有限元模型修正,建立直接根据实测响应预测感兴趣位置响应的代理模型。以塔吊结构风致振动响应预测为应用案例,采用AR模型实现多维脉动风速模拟,并计算随机风场下的塔吊响应作为训练样本,分别通过塔吊单点和两点响应样本,训练获得了基于bi-lstm网络的塔吊响应预测模型,验证了该模型对塔吊任意位置处的响应具有较好的预测精度,而且计算效率很高。

关键词：有限元模型修正简单循环神经网络 bi-lstm网络响应预测

基于PSG信号特征提取的双向lstm模型在微觉醒检测中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PSG信号特征提取的双向LSTM模型在微觉醒检测中的应用

作者：钱镶钰厦门大学

学位级别：硕士

频繁的睡眠微觉醒可能会导致严重的健康问题,如神经认知障碍、精神状况问题以及心血管疾病。睡眠多导图监测人体在睡眠过程中的生理信号变化,是睡眠障碍诊断的黄金标准。临床环境中,医生需要仔细检查患者的睡眠多导图记录,以确定潜在的... 详细信息

频繁的睡眠微觉醒可能会导致严重的健康问题,如神经认知障碍、精神状况问题以及心血管疾病。睡眠多导图监测人体在睡眠过程中的生理信号变化,是睡眠障碍诊断的黄金标准。临床环境中,医生需要仔细检查患者的睡眠多导图记录,以确定潜在的睡眠障碍。医生注释的过程会带来很大的工作量,因此需要建立自动化标注模型来代替手工注释过程。Physionet数据库提供了 994例患有睡眠障碍病人的带注释的睡眠多导图,本文基于此数据库构建了一个基于特征提取的双向lstm微觉醒模型。基于临床医学知识和特征选择技术,本文从睡眠多导图13个信号通道中提取了 62个包含生物学信息的特征。这些特征包括从脑电和肌电信号中提取的功率谱密度值和熵值,从气流、胸部和腹部信号提取的呼吸紊乱系数,从心电信号中提取的心率变异性值,从眼电信号提取的波形时域特征,以及从血氧通道提取的低氧负荷值等。将这些特征拼接组合,归一化后进入分类器。分类器由三部分组成,第一层采用双向lstm网络,双向lstm网络可以连接过去和未来的信号信息到当前输入片段上。第二层采用两个并行的50个节点组成的全连接网络,一个全连接网络用于输出微觉醒判断结果,另一个全连接网络用于输出睡眠分期结果。最后使用softmax输出预测结果。在数据预处理中,采用smote算法处理类别不平衡的问题。在训练过程中,采用交叉熵辅助损失函数,将微觉醒检测作为主任务,将睡眠分期作为辅助的训练任务,将两个任务的损失函数进行加权求和。本文讨论了不同通道组合检测微觉醒事件能力的大小,得出呼吸、胸部和腹部信号组合检测能力最强,脑电和肌电通道组合次之。五次交叉验证后,集成模型的AUPRC和AUROC分别为0.481和0.878。结果表明,本文提出的方法可以帮助医生更快地识别PSG图像,并且避免了医生地主观错误。

关键词：微觉醒检测睡眠多导图特征提取 bi-lstm网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的视线跟踪算法研究

基于深度学习的视线跟踪算法研究

作者：李国旭沈阳理工大学

学位级别：硕士

视线跟踪技术在人机交互、教育、刑事、医疗、商业等诸多方面有着广泛的应用。近年来,由于计算机视觉与深度学习技术的飞速发展,人们对视线追踪的研究也逐渐增多。然而,目前的视线跟踪系统仍存在一些缺陷。比如,在降低系统复杂性、简化... 详细信息

视线跟踪技术在人机交互、教育、刑事、医疗、商业等诸多方面有着广泛的应用。近年来,由于计算机视觉与深度学习技术的飞速发展,人们对视线追踪的研究也逐渐增多。然而,目前的视线跟踪系统仍存在一些缺陷。比如,在降低系统复杂性、简化标定程序的前提下,突破光照条件和头部姿态的局限,增强人眼视线方向的预测准确率依旧是一个具有挑战的课题。本文从视线跟踪的精准度、鲁棒性和网络复杂度三个方面的问题考虑,进行算法模型的搭建。本文以基于深度学习的视线跟踪算法为基础提出了一种将Res Net系列卷积神经网络与bi-lstm网络相结合的CRAB(Combine Res Net and bi-lstm)算法,然后进行算法改进和视线跟踪精度提升。首先,本文应用了一种基于深度学习的视线跟踪算法,并对其进行了研究。卷积神经网络利用卷积操作实现层间连接,在减少计算量的同时,还能降低设备费用,故被广泛地用于计算机视觉。基于此,本论文基于卷积神经网络建立了算法模型。其次,针对视线跟踪准确度的问题,文本对提出的基础算法CRAB进行改进,为了更好的提取输入信息的特征,本文在CRAB算法的基础上添加了空间权重模块和CBAM注意力机制,两个模块都有增强眼部信息的特征提取的能力,并且还能抑制其他面部区域对提取准确度的影响;此外,CRAB算法中的bi-lstm网络提供了一种建模序列的方法来拟合时序信息,这种方式也能提升视线方向的预测结果精准度。再次,在最近的视线跟踪领域中,经研究发现网络的输入为全脸区域的信息可以提高算法的性能。考虑到视线跟踪的实际应用以及推动全脸区域的信息可以提高性能这一想法,本文的模型选择的输入是连续帧带有全脸信息的视频序列。本文选择Gaze360数据集进行实验,该数据集结合了3D视线注释,移动范围较大的头部姿态和广泛的数据采集环境,因为该数据集的多样性,所以证明本文提出的CRAB算法具有较好的鲁棒性。最后,为了在提升视线精准度和鲁棒性的同时还能降低网络复杂度,本文通过对Res Net系列网络和其变体进行了骨干网络的改进实验。实验结果证明,当Res Ne St-50作为骨干网络时,可以得到当前实验最高的精准度,而且Res Ne St-50是一个基于Attention的轻量级网络架构,在保证精准度的同时不失网络的轻量化。通过实验结果可以得到,以Res Ne St-50作为骨干网络的CRAB算法,在添加空间权重模块后得到最优的实验结果,该算法计算得到的人眼角度误差从原来的13.5°降低到12.6°,降低了0.9°,使算法模型的精度进一步提升。

关键词：视线跟踪卷积神经网络 ResNet网络 bi-lstm网络注意力机制

基于深度学习的期货市场关联账户检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的期货市场关联账户检测方法研究

作者：张源郑州大学

学位级别：硕士

随着期货市场的不断发展,其数据量急剧增长,在海量的交易背后,存在一些交易者通过控制大量账户进行违规交易,操纵市场并扰乱交易秩序,给市场监管和风险控制带来了严峻考验。这些被交易者实际控制,且交易行为存在关联关系的账户被称为关... 详细信息

随着期货市场的不断发展,其数据量急剧增长,在海量的交易背后,存在一些交易者通过控制大量账户进行违规交易,操纵市场并扰乱交易秩序,给市场监管和风险控制带来了严峻考验。这些被交易者实际控制,且交易行为存在关联关系的账户被称为关联账户。如何从海量交易中挖掘潜在的关联账户,是维护期货市场正常交易的重要任务。目前,国内各大期货交易所主要依靠人工经验和规则判定对关联账户进行识别发现。然而,科学技术的进步给期货市场带来了发展和变革,关联账户间的违规交易日渐多元化、新型化,规避监管的手段更加多样,关联账户的检测难度不断增加。本文以郑州商品交易所的真实交易为背景,以深度学习技术为基础,研究如何在海量交易数据中检测潜在的关联账户。主要研究内容如下:(1)分析了期货市场关联账户的当前状况,研究了金融市场关联账户的相关检测方法并进行了详细介绍,同时深入研究了双向长短期记忆网络和孪生网络结构,并对其实现原理进行了分析,为关联账户检测方法的研究提供了理论依据和技术支撑。(2)提出了基于双向长短期记忆网络(bi-lstm)的检测方法,该方法从原始交易数据中提取交易时间、交易量、持仓变化、期货品种等多种维度的浅层特征信息,输入bi-lstm网络模型,从时间序列上向前、向后两个方向的上下文关系学习深层特征。针对浅层特征提取,提出了一种基于交易行为的多粒度特征提取方法,从日、小时、分钟、秒等级别捕捉账户间交易的关联性,从而解决了原始交易数据维度高、数据量大、关联性弱的问题。在真实数据上的实验结果表明,与一些传统的分类模型相比,提出的方法在分类的准确率和召回率上有明显提升。(3)针对基于bi-lstm网络的检测方法在小规模数据中检测性能不足的问题,提出了基于孪生网络的检测方法,该方法首先对账户的交易数据进行二进制编码,然后输入两个参数共享的孪生子网络,在真实数据上的实验结果表明,该方法在小规模数据上的检测性能优于基于bi-lstm网络的检测方法。(4)对提出的两种检测方法在四种期货交易数据上,进行了实验对比分析,结果表明基于bi-lstm网络的检测方法适用于大规模数据,基于孪生网络的检测方法适用于小规模数据。最后,设计并实现了检测系统,对检测结果进行了可视化分析,证明了期货市场存在大量的关联账户,为下一阶段的研究提供了依据。

关键词：期货市场关联账户关联交易行为 bi-lstm网络孪生网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双语词嵌入模型的跨语言情感分类研究

基于双语词嵌入模型的跨语言情感分类研究

作者：康广泽河北工业大学

学位级别：硕士

随着互联网和电子商务的飞速发展,网络上产生了大量有用的评论信息,通过对这些文本进行情感分类,可以分析出人们对某个商品或某件事的观点及态度。但是除英语外的其他语言缺乏高质量的情感资源,限制了情感分类在这些语言中的发展,跨语... 详细信息

随着互联网和电子商务的飞速发展,网络上产生了大量有用的评论信息,通过对这些文本进行情感分类,可以分析出人们对某个商品或某件事的观点及态度。但是除英语外的其他语言缺乏高质量的情感资源,限制了情感分类在这些语言中的发展,跨语言情感分类能很好的解决这一问题。跨语言情感分类的目的是使源语言的情感资源更好的应用到目标语言中进行情感分类,算法的关键是弥合两种语言之间的差异,高效提取出单词的语义信息和情感信息。目前的跨语言情感分类模型大多借助双语词嵌入构建两种语言的映射,此类方法只考虑不同语言间的语义关系,忽略了情感信息,影响了分类的准确率。针对上述问题,提出两种跨语言情感分类方法,主要研究内容如下:(1)提出一种基于情感指数与双语相似度的跨语言情感分类模型(SIBS),通过三步进行跨语言情感分类。首先用情感指数算法计算英文的情感指数,然后利用线性映射方法(CBOW)在两个单语空间中分别训练出词向量,并通过TF-IDF算法提取出数据集中能体现每条评论关键信息的词,再用翻译矩阵将两种语言的词向量映射到同一个共享空间中,利用这些信息求出源语言与目标语言的相似度,最后得到中文的情感指数,用SVM分类器进行情感分类。实验结果表明,该方法能有效解决双语词嵌入中情感信息缺失的问题,提高了分类的准确率。(2)在进行跨语言情感分类时,需要对文本数据进行去噪并提取出句子中对整体情感贡献最大的部分。针对SIBS模型去噪声不足的问题,提出一种融合bi-lstm和注意力机制的跨语言情感分类方法,引入注意力机制进一步对文本进行降噪处理,同时利用bi-lstm网络在句子的前后两个方向利用上下文信息获取句子的情感特征,最后用softmax层进行情感分类。实验结果表明,该模型在电影、推特、书籍三个数据集进一步提高了跨语言情感分类的准确率。

关键词：跨语言情感分类情感指数双语相似度注意力机制 bi-lstm网络