短时记忆

作品数：1371被引量：4578H指数：30
导出分析报告
相关领域：文化科学医药卫生更多>>
相关作者：喻柏林李德明王晓丽吴振云王甦更多>>
相关机构：中国科学院华东师范大学北京师范大学北京大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金国家社会科学基金陕西省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程与应用x
共 条 记 录，以下是1-9
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
RF-MIP-LSTM股价预测模型被引量：1
《计算机工程与应用》2024年第17期272-281,共10页张颖 李路 
国家自然科学基金(62173222)。
长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了...
关键词：股价预测 随机森林(RF) 长短时记忆(LSTM)神经网络 长时窥视孔 
基于多通道的ICU脑血管疾病死亡风险预测模型被引量：1
《计算机工程与应用》2022年第17期270-276,共7页成亚鑫 李润知 赵红领 
河南省科技厅科技攻关项目(192102310215);河南省高等学校重点科研项目(20A520036,21A520044)。
死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患,通过死亡风险预测可以有针对性地对病人做出临床诊断,以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表,针对ICU病人临床监测...
关键词：脑血管疾病 重症监护病房(ICU) 双向长短时记忆 多通道 注意力机制 死亡风险预测 
采用上下文专注机制的特定目标观点抽取
《计算机工程与应用》2022年第14期160-166,共7页陈聿鹏 陈佳伟 黄荣 韩芳 
国家自然科学基金(11972115,11572084)。
针对现有的目标和观点抽取模型未能充分考虑两者的联系的问题,提出一种基于上下文专注机制的特定目标观点抽取模型。将抽取出的目标特征向量与每个位置的上下文词向量拼接构成最终的句子表示,加强目标与句子之间的交互,实现目标融合;采...
关键词：目标融合 上下文专注机制 双向长短时记忆(BiLSTM)网络 BERT模型 
引入短时记忆的Siamese网络目标跟踪算法被引量：1
《计算机工程与应用》2022年第3期235-241,共7页王希鹏 李永 李智 梁起明 
全国教育科学十三五规划课题(JYKYB2019012);武警工程大学基础研究基金(WJY201907);武警工程大学军民融合基金(WJM201905);武警工程大学科研骨干项目。
为提升目标跟踪算法在复杂场景下的鲁棒性,使算法适应长时跟踪场景,提出结合多层特征融合和短时记忆机制的跟踪方法,提升目标跟踪的鲁棒性。融合卷积神经网络多层特征,提升网络的特征提取能力。在跟踪阶段,引入了短时记忆模块,搜索区域...
关键词：孪生网络 长时跟踪 特征融合 模板更新 
交通监控场景中的车辆检测与跟踪算法研究被引量：22
《计算机工程与应用》2021年第8期103-111,共9页李震霄 孙伟 刘明明 郑丽丽 陈劭颖 
国家自然科学基金(61801198);江苏省青年基金(BK20180174);博后基金(2020Z241)。
考虑多目标跟踪过程中存在的实时性和身份跳变问题,提出一种基于检测的多车辆跟踪算法。首先利用Mobilenetv2替换YOLOv3检测算法的主干网络,构建目标检测模块YOLOv3-Mobilenetv2,减少检测算法模型参数,提高检测模块的运行速度;在Mobilen...
关键词：目标检测 轻量级神经网络 多目标跟踪 长短时记忆(LSTM) YOLOv3 
路网交通流在时空分析背景下的预测研究被引量：6
《计算机工程与应用》2020年第17期258-265,共8页李彤伟 王庆荣 
教育部人文社会科学研究规划基金(No.15XJAZH002,No.18YJAZH148);甘肃省自然科学基金(No.18JR3RA125)。
深度学习近年来被广泛应用于交通工程领域,针对大型路网中单个路段的交通流预测考虑因素单一、预测精度不高的问题,充分利用长短时记忆(LSTM)网络在时序数据处理方面的优势,结合路网交通流时空分析并运用LSTM模型进行预测。通过对路网...
关键词：智能交通系统 短时交通流预测 深度学习 路网 长短时记忆(LSTM)网络 
基于LSTM的设备故障在线检测方法被引量：18
《计算机工程与应用》2020年第1期272-278,共7页周剑飞 刘晨 
国家重点研发计划（No.2017YFC0804406）;国家自然科学基金面上项目（No.61672042）
在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学...
关键词：故障检测 特征提取 长短时记忆神经 在线更新 
基于LSTM的动态图模型异常检测算法研究被引量：13
《计算机工程与应用》2019年第5期76-82,共7页王凯 陈丹伟 
国家自然科学基金(No.61672016)
传统异常检测模型往往基于内容特征,随着攻击手段的提高,该方法易于被绕过,因此图挖掘技术逐渐成为了国内外学术研究的热点。为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化...
关键词：异常检测 图挖掘 时间序列 长短时记忆(LSTM) 
RNN编码器-解码器在维汉机器翻译中的应用被引量：9
《计算机工程与应用》2018年第15期235-240,共6页帕丽旦.木合塔尔 吾守尔.斯拉木 买买提阿依甫 努尔麦麦提.尤鲁瓦斯 
国家重点基础研究发展规划(973)(No.2014CB340506);国家自然科学基金(No.U1603262)
将RNN编码器-解码器作为传统的基于短语的PSMT系统的一部分,在传统统计机器翻译基础上,集成RNN解码器-编码器,兼容PSMT创建了新联合模型(RNN+PSMT)。新的模型不仅在维-汉、汉-英机器翻译的应用中取得了成效,而且能够捕捉到语言的规律,...
关键词：统计机器翻译 神经网络 RNN编码器-解码器 长短时记忆 维吾尔语 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部