排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
3.
交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测。通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好。 相似文献
4.
大数据技术是指从各类数据中快速获得有价值信息的能力。大数据技术方兴未艾,为食品科学提供了一种全新的思维方式和分析方法,可以提升食品科学在食品追踪溯源、食物配对、食谱推荐、食品安全、食品生产管控、用户食品偏好、未来食品分析上的预测性以及准确性,然而在大数据应用系统中存在数据缺失、难以辨真伪等挑战。本文中阐述了食品大数据的应用现状,分析了其面临的挑战并讨论可行性解决方案,展望了食品大数据未来发展趋势。本文作者的目的是希望食品大数据领域研究者在本文研究基础上,继续从大数据角度为食品科学添砖加瓦,并根据未来食品发展趋势,实现食品科学提升。 相似文献
5.
6.
针对传统Android恶意软件检测方法检测率低的问题,文中提出一种基于深度收缩降噪自编码网络(Deep Contractive Denoising Autoencoder Network,DCDAN)的Android恶意软件检测方法。首先,逆向分析APK文件获取文件中的权限、敏感API等7类信息,并将其作为特征属性;然后,将特征属性作为深度收缩降噪自编码网络的输入,使用贪婪算法自底向上逐层训练每个收缩降噪自编码网络(Contractive Denoising Autoencoder Network),将训练完成的深度收缩降噪自编码网络用于原始特征的信息抽取,以获取最优的低维表示;最后,使用反向传播算法对获取的低维表示进行训练和分类,实现对Android恶意软件的检测。对深度自编码网络的输入数据添加噪声,使得重构的数据具有更强的鲁棒性,同时加入雅克比矩阵作为惩罚项,增强了深度自编码网络的抗扰动能力。实验结果验证了该方法的可行性和高效性。与传统的检测方法相比,该检测方法有效地提高了对恶意软件检测的准确率并降低了误报率。 相似文献
7.
以四川省宣汉县黄金口钾盐普查ZK001井钻探工程为背景,从井身结构、钻具组合、钻井液工艺、取心技术、井斜控制、深部抽水试验等方面,总结研究了钾盐参数井的钻井施工技术。针对施工过程中超长裸眼段钻进、井漏、长段膏盐层钻进等技术难题,通过优化钻具组合,调整钻井液性能,随钻堵漏等措施,工程得以顺利完成。 相似文献
8.
固定化增殖细胞发酵半纤维素糖类的研究 总被引:11,自引:0,他引:11
采用海藻酸钠包埋及进一步增殖培养,将休哈塔假丝酵母(CandidashehataeR)的细胞密集固定在凝胶珠表层,大大减小了传递阻力,为该菌的“半好气”发酵创造了有利条件。试验结果表明,CaCl2浓度以2%为宜,凝胶中掺入适量的Al2O3(1.2%)能明显增加凝胶珠的机械强度及使用寿命。固定化增殖细胞能够利用己糖和戊糖及80g/l的混合糖(己糖与戊糖各占一半)。经12h发酵,糖的利用率达90.5%(相同条件下的游离细胞发酵需48h)。混合糖发酵的适宜条件为:温度34~36℃;初始糖浓度80g/L;通气量3.3ml/ml发酵体积·h。固定化休哈塔假丝酵母能成功地发酵玉米秆水解液、杨木水解液及亚硫酸盐制浆废液,酒精得率达理论值的90%以上,具有广阔的实际应用前景。 相似文献
9.
深度自编码网络在入侵检测中的应用研究 总被引:1,自引:0,他引:1
当前网络环境下的网络数据呈现出比以往更为庞大、复杂和多维的特性,传统的机器学习方法面临复杂的高维数据需要手动提取大量特征,特征提取过程复杂且计算量大,不利于当前入侵检测实时性和准确性的要求.基于此,以降低数据维度和消除冗余信息为目的,综合利用深度自编码网络(DAN)和BP算法,提出了基于DAN-BP的入侵检测模型.首先通过叠加多个自编码网络构成深度自编码网络模型,将网络特征数据作为模型的输入,使模型能够智能的逐层抽取网络数据的分布规则,从而获得新的低维特征数据集;然后利用BP算法对学习到的低维数据进行分类识别.文中通过在自编码网络中加入正则化修正,防止训练出的自编码网络直接复制输入信息而影响训练效果;且在输入数据中添加噪声,通过学习原始数据和输出数据重构误差达到去噪的目的,从而使得学习到的新的特征数据具有更强的鲁棒性.对比了传统的降维方法和当前入侵检测方法,结果表明本文方法在分类准确率、误报率和检测速率上均具有较优的效果. 相似文献
10.