注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 天正建筑 TS4.5

  2. 天正建筑TS4.4以来的改进内容(2013.8.1.): 重要改进： 1.[指向索引][剖切索引]修改：避开天正建筑打开时文字跑位问题。对话框增加“图取”按钮。垂直再向左、右时，可以按最短方式标。水平引线不转折时，自动定位在指向点，确保最终指向点不移位；同时删除了无意义的短线。UCS不在世界坐标且没有注释文字时会画错。 2.[注标高]修改：“F－选项”框中增加自动楼层编号的选项。附加文字标注的对话框中，“文字标注图层选择”改为虚显。 3.[消除重线]改错：由于核心函数的排序程序对表长度的限制，

  3. 所属分类：其它

    • 发布日期：2015-10-26
    • 文件大小：14680064
    • 提供者：qq_24417127

  1. Improved Semantic Representations

  2. Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks

  3. 所属分类：深度学习

    • 发布日期：2018-04-19
    • 文件大小：421888
    • 提供者：basketfox

  1. python tensorflow 深度学习 学习示例程序

  2. 变量 线性回归 手写字体 逻辑回归 多层感知机 多层网络 卷积神经网络 tensorboard 显示优化记录 自编码 原理与PCA相似 长短时记忆 lstm 单词转词向量 中英文 保存和载入网络模型

  3. 所属分类：深度学习

    • 发布日期：2018-05-22
    • 文件大小：78643200
    • 提供者：xiaoxiaowenqiang

  1. 基于BLSTM-Attention-CRF模型的新能源汽车领域术语抽取

  2. 从深度学习的角度出发,提出了一种基于Attention 的双向长短时记忆网络(bidirectional long short-term memory,BLSTM)与条件随机场(conditional random fields,CRF)相结合的领域术语抽取模型(BLSTM_Attention_CRF 模型),并使用基于词典与规则相结合的方法对结果进行校正,准确率可达到 86%以上,该方法切实可行。

  3. 所属分类：深度学习

    • 发布日期：2018-07-03
    • 文件大小：1048576
    • 提供者：beaujor

  1. 基于时间序列分析的人体运动行为模式识别研究

  2. 基于时间序列分析的人体运动行为模式识别研究; 行为识别；时间序列分析；小波阈值降噪；长短时记忆；隐马尔科夫模型

  3. 所属分类：机器学习

    • 发布日期：2018-08-13
    • 文件大小：17825792
    • 提供者：qq_42946515

  1. LSTM长短记忆的简单调用

  2. 用Python语言通过调用keras库来实现初步的LSTM训练及预测，并且添加了sklearn中的一些模型评估方法来验证模型的好坏

  3. 所属分类：深度学习

    • 发布日期：2020-05-15
    • 文件大小：2048
    • 提供者：weixin_44129343

  1. LSTM在煤矿瓦斯预测预警系统中的应用与设计

  2. 针对煤矿瓦斯浓度的预测的问题,以亭南煤矿正常生产期间302工作面的监测数据为研究背景,采用深度学习技术LSTM(Long Short Time Memory,长短时记忆网络)建立瓦斯预测模型,研究与设计了基于LSTM的煤矿瓦斯预测预警系统。LSTM网络针对时间序列数据具有较强的建模能力,能够实现信息的长期依赖,自动挖掘数据之间潜在的关联关系。采集煤矿正常生产期间的瓦斯监测数据作为训练数据,利用深度学习框架TensorFlow进行算法的仿真,并研究了不同时间步长、网络深度下的LSTM以及多信息融合

  3. 所属分类：其它

    • 发布日期：2020-05-02
    • 文件大小：711680
    • 提供者：weixin_38649838

  1. 基于LSTM神经网络的煤矿突水预测

  2. 针对煤层底板突水预测问题，在总结现有突水预测方法和理论的基础上，通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、是否裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素，这些因素具有复杂、非线性的特点。提出基于长短时记忆(LSTM)神经网络构建的突水预测模型，将煤矿突水实例的数据作为样本数据对模型进行训练。最后，将LSTM神经网络模型与遗传算法–反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验。实验结果表明，LSTM神经网络模型在

  3. 所属分类：其它

    • 发布日期：2020-04-17
    • 文件大小：387072
    • 提供者：weixin_38582909

  1. AttnBLSTM-CNN并行模型构建与银行用户流失预测研究

  2. AttnBLSTM-CNN并行模型构建与银行用户流失预测研究，文汝杰，刘明皓，针对长短时记忆网络(LSTM)与卷积神经网络(CNN)串行模型(DLCNN)，在用户流失预测中忽略部分局部信息的问题，提出了一种引入注意力机制的

  3. 所属分类：其它

    • 发布日期：2020-03-13
    • 文件大小：1048576
    • 提供者：weixin_38550605

  1. 基于深度学习的采煤机截割轨迹预测及模型优化

  2. 提高采煤机记忆截割精度对于实现采煤机截割滚筒的自动调高，提升采煤机自动化水平具有重要意义。针对目前采煤机传统记忆截割方法精度不高的问题，本文根据采煤机截割过程具有一定重复性的特点，提出了一种基于深度长短时记忆（Long Short-term Memory，LSTM）神经网络的采煤机记忆截割轨迹预测方法，通过MATLAB平台实现了模型的构建与模型参数的优化，并使用实际截割数据对深度LSTM神经网络模型进行了验证。预测实验的结果表明，深度LSTM神经网络相对于支持向量回归与梯度提升回归树算法在截割轨

  3. 所属分类：其它

    • 发布日期：2020-06-10
    • 文件大小：1048576
    • 提供者：weixin_38655561

  1. 基于文本筛选和改进BERT的长文本方面级情感分析

  2. 情感分析旨在分类出文本在不同方面的情感倾向。在长文本的方面级情感分析中，由于长文本存在一定冗余性和噪声大的问题，导致现有的方面级情感分析方法对于长文本中方面相关信息的特征提取不够充分，分类不精准；在方面分层为粗粒度和细粒度方面的数据集上，现有的解决方法没有利用粗粒度方面中的信息。针对以上问题，提出基于文本筛选和改进BERT的算法TFN+BERT-Pair-ATT。该算法首先利用长短时记忆网络（LSTM）和注意力机制相结合的文本筛选网络（TFN）从长文本中直接筛选出与粗粒度方面相关的部分语句，然后

  3. 所属分类：教育

    • 发布日期：2020-06-23
    • 文件大小：826368
    • 提供者：kamo54

  1. 基于深度长短时记忆网络的区域级超短期负荷预测方法_张宇帆.pdf

  2. 超短期负荷预测为实时电力市场运行提供重要依据， 预测准确度的提升对于揭示负荷变化的不确定性以及日前 预测偏差具有重要意义。基于电力系统中含有的丰富大数据 资源，提出了一种针对区域级负荷的深度长短时记忆网络超 短期预测方法，该方法包括输入数据的预处理、深度长短时 记忆(long short-term memory，LSTM)网络的构建以及模型 的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻 找最优超参数，并在该超参数下选择泛化能力最优的模型，与前沿机器学习预测算法进行对比。实验结果证实，深度

  3. 所属分类：讲义

    • 发布日期：2020-10-17
    • 文件大小：1048576
    • 提供者：SparkQiang

  1. 为什么GRU可以解决长短记忆的问题

  2. 今天又要打卡了，很遗憾，我并没有太多时间去针对该问题做一个更好的整理和解释，只能把在回顾该模型时所产生的一些问题的主要部分记录一下，待日后能在回顾博客的时候，进一步找到解决方法 为什么GRU可以解决长短记忆的问题 我们知道，GRU是为了应对RNN的梯度爆炸问题，并且为了更好地捕捉到时间序列中时间步距离较大的依赖关系提出来的，因此提出来更新门和重置门的概念，通过两个门的应用，改变隐藏状态的计算方式，进而实现上面所要应对问题的解决方法 重置门有助于捕捉时间序列里短期的依赖关系 更新门有助于捕捉时间序

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：53248
    • 提供者：weixin_38500222

  1. 基于Bi-LSTM-Attention模型的人体行为识别算法

  2. 针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器并对视频进行分类。通过

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：4194304
    • 提供者：weixin_38550834

  1. 考虑温度模糊化的多层长短时记忆神经网络短期负荷预测

  2. 智能电表的普及为短期负荷预测提供了海量数据，使得负荷精细化预测成为可能，而温度是影响夏季负荷的重要因素。提出一种考虑温度模糊化的多层长短时记忆神经网络(ML-LSTM)短期负荷预测方法。利用隶属度函数将预测时刻的温度和当日的平均温度进行模糊化处理，减小夏季温度波动性对负荷预测的影响；建立含3层隐藏层的长短时记忆神经网络(LSTM)预测网络，并利用适应性矩估计(Adam)优化算法提高LSTM梯度参数的自适应性学习能力。利用西南某地区2018年6月至8月的实测温度和负荷数据进行验证，负荷预测结果表明

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：3145728
    • 提供者：weixin_38737635

  1. 结合全局向量特征的神经网络依存句法分析模型

  2. 利用时序型长短时记忆（LSTM,long short term memory）网络和分片池化的卷积神经网络（CNN,convolutional neural network），分别提取词向量特征和全局向量特征，将2类特征结合输入前馈网络中进行训练；模型训练中，采用基于概率的训练方法。与改进前的模型相比，该模型能够更多地关注句子的全局特征；相较于最大化间隔训练算法，所提训练方法更充分地利用所有可能的依存句法树进行参数更新。为了验证该模型的性能，在宾州中文树库（CTB5,Chinese Penn T

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：792576
    • 提供者：weixin_38514523

  1. 基于区域残差和LSTM网络的机场延误预测模型

  2. 针对目前民航运输业对机场延误预测高精度的要求，提出一种基于区域残差和长短时记忆（RR-LSTM）网络的机场延误预测模型。首先，将机场的属性信息、气象信息和相关运行航班信息进行融合；然后，利用RR-LSTM 网络对融合后的机场数据集进行特征提取；最后，构建 Softmax 分类器对机场延误分类预测。所提RR-LSTM网络模型既能有效提取机场延误数据的时间相关性，又能避免深层LSTM网络的梯度消失问题。实验结果表明，RR-LSTM网络模型预测准确率可达95.52%，取得了比传统网络模型更好的预测效果

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38658564

  1. 基于深度门控循环单元神经网络的短期风功率预测模型

  2. 随着新能源的不断发展，大量大容量风电机组并入电网运行，给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型，该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性，在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN)，以提高模型对原始数据的特征提取和降维能力，并引入dropout技术减少模型中的过拟合现象。工程实例分析表明，所提模型在预测准确度和运算速度方面均优于长短记忆

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：2097152
    • 提供者：weixin_38553466

  1. 基于长短时记忆元的语音智能识别系统设计

  2. 传统的语音智能识别系统对低资源语言的识别能力较差，识别结果准确性低。为解决这一问题，基于长短时记忆元设计了一种新的语音智能识别系统，针对系统硬件和软件进行优化。选用SPCE061A单片机作为系统硬件的核心处理器，并在硬件内部构建了LSTM—HMM声学模型，通过I/O接口连接各单元模块，无线传输模块内部核心芯片为nRF2401A芯片。软件程序由过构建声学模型、提取语言特征、监督训练语言文本、判断语速、语音识别优化等步骤完成，利用神经元网络设计了语音特征提取程序。为检测设计的识别系统工作效果，与传统

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38567813

  1. 融合长短时记忆机制的机械臂多场景快速运动规划

  2. 针对快速扩展随机树(rapid-exploration random trees,RRT)算法难以有效解决多场景环境下的机械臂快速运动规划问题,提出一种融合长短时记忆机制的快速运动规划算法.首先,采用高斯混合模型(Gaussian mixture models,GMM)在规划的初始阶段通过随机采样构建环境的场景模型,并利用该模型进行碰撞检测,以提高运动规划效率;然后,根据人类的记忆机制原理,对多场景的不同GMM按照即时记忆、短期记忆和长期记忆进行存储,并通过场景匹配算法实现不同场景GMM的快速自

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1037312
    • 提供者：weixin_38590456
« 12 »