共查询到20条相似文献,搜索用时 171 毫秒
1.
医疗设备在医疗工作中具有重要地位,而医疗设备的故障会直接影响到医疗工作的开展,影响患者病情的诊断,利用传感器设定阈值的传统故障预警措施存在误报,漏报等问题。本文提出一种基于长短期记忆神经网络(LSTM)的预测模型,利用其对长序列变化数据处理的优势,进行医疗设备的故障预测,可以做到提前预报故障。结合医院的医用红外热像仪的相关故障数据,整理出8项故障特征点,采集其相应数据作为模型的数据集,利用LSTM构建的预测模型进行实验。实验结果表明,LSTM模型训练的拟合效果较好,故障预测的准确率稳定在98%以上,优于其他神经网络模型。 相似文献
2.
3.
准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义。针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出:反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练集数据和得到的预测输出、残差输入到Adam算法优化的LSTM神经网络中,用于训练LSTM模型。结合BP网络结构简单、预测时间短、LSTM精度高的优点,通过深度学习框架Tensorflow进行模型的搭建与验证,实现基于BP-LSTM组合神经网络模型的短时车速预测。结果表明:组合神经网络预测效果优于BP、LSTM两种单一模型,预测精度得到改善。 相似文献
4.
针对空分装置系统的运行参数量大、氧气提取率预测研究欠缺的问题,提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)以及混合LSTM和CNN的氧气提取率预测方法。将氧气提取率作为预测目标,基于卷积神经网络、LSTM、混合LSTM与卷积神经网络模型对其进行建模,并应用于空分装置系统运行采集的数据中。使用平均绝对百分比误差、均方根误差和平均绝对误差等指标来评价预测模型的精度,并使用模型训练时间以及模型收敛速度评估模型性能。实验结果表明,采用混合LSTM和卷积神经网络的氧气提取率预测方法的效果明显优于其他两种模型。 相似文献
5.
目的:比较条件随机场、长短期记忆模型、BiLSTM-CRF和使用Bert预训练字符向量的BiLSTM-CRF四种命名实体识别模型.方法:分析比较四种模型在人民日报数据集和MSRA数据集上对人名、地点和机构三类实体的识别性能.结果:单一神经网络LSTM在缺乏训练数据支持的结果表现不如CRF,而使用了Bert预训练字符向量... 相似文献
6.
小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型。首先,由LSTM预测多指标不同时序数据的劣变趋势;其次,根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差;最后通过优化目标函数及训练模型得出多指标预测结果。经实验分析发现:小麦多指标的长短期时序数据的变化趋势不同,进一步优化模型结构及训练时序长度可有效降低预测结果的误差;特定条件下小麦品质过快劣变会使多指标预测误差增大,因此应充分考虑储藏期环境变化对多指标数据的影响;LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745%,并低于多种对比模型,这有助于提高小麦品质多指标预测及分析的准确性。
相似文献7.
绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor, IGBT)作为牵引变流器失效率较高且最易损器件,对其进行状 态监测和故障预测,可以有效减少日常维护成本,提高列车安全性和可靠性。首先,对IGBT失效原因和性能退化参数进行研 究?选择集电极-发射极关断峰值电压作为性能退化参数?研究了一种基于三层长短记忆(Lomg Short Term Memory,LSTM)网络的IGBT故障预测方法,并给出IGBT维护决策理论依据,最终在NASA pCoE研究中心提供的IGBT加速老化数据集上开展验证实验。实验结果表明多层LSTM网络相比于传统浅层模型具有更高的预测精度。 相似文献
8.
无线频谱是一项重要的、难以再生的自然资源。在频谱数据中随着信道的动态变化,各个信道不能建模成规则的结构。由于卷积神经网络提取的是规则数据结构的相关性,没有考虑信道动态变化以及各个信道节点之间的相关性影响,基于此研究了基于图卷积神经网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)网络结合的GCN-LSTM频谱预测模型,并且引入了注意力机制,仿真得到了GCN-LSTM在正确数据集和有一定错误数据的数据集上的预测性能和算法运行时间。结果表明在引入注意力机制后,GCN-LSTM预测模型的准确性和实时性都得到了提高。 相似文献
9.
电力负荷数据的多样性与复杂性,会导致负荷预测过程中出现超参数难以确定、拟合效果较差和预测精度不高等问题。针对以上问题,提出一种基于樽海鞘群算法的融入注意力机制的双向长短期记忆神经网络模型——SSA-AM-BiLSTM模型。该模型使用BiLSTM学习特征的内部变化规律,引入注意力机制为特征进行权重分配,并且利用樽海鞘群算法优化网络超参数。基于具体数据集进行的负荷预测仿真实验表明,相较于GRU、LSTM、AM-BiLSTM和PSO-AM-BiLSTM模型,所提出的SSA-AM-BiLSTM模型的MAPE分别减少了2.15%、1.93%、1.42%和0.45%,并且优化了拟合效果,显著提高了预测精度。 相似文献
10.
针对空间量子通信系统中大气信道环境随气象条件实时改变的特性,提出了基于深度学习的量子信号大气衰减系数预测方法。实验基于西安地区气象数据,分别使用了误差反向传播神经网络(BPNN)、长短期记忆网络(LSTM)、门限循环单元(GRU)三种神经网络模型进行数据预测,并进行了分析比较。结果表明三种神经网络模型均可以有效实现预测,并能达到80%的数据拟合度,其中LSTM和GUR网络的整体预测能力较强,但三种网络模型均在峰值处产生较大误差。该预测方案为空间量子通信中各类针对大气信道的补偿手段和智能参数优化提供了基础。 相似文献
11.
针对传统红外图像的机载电路板芯片故障诊断法诊断率低且无法诊断动态故障的问题,本文提出了一种基于红外温度数据的改进麻雀搜索算法优化BP神经网络(Improved sparrow search algorithm-Back propagation neural networks, ISSA-BPNN)机载电路板芯片故障诊断方法。首先,提取红外热像仪采集的电路板芯片温度数据,建立电路板芯片升温过程中静态、动态、统计特征的特征模型;然后,利用Sine混沌映射初始化麻雀种群分布,利用Levy飞行策略改进发现者种群位置更新公式,将改进后的麻雀搜索算法优化BP神经网络的权值参数;最后,将温度特征模型输入到ISSA-BP神经网络进行训练和测试,从而完成电路板芯片故障诊断。实验采用航电系统电源电路板进行可靠性分析,实验结果表明,该方法在电路板不同工况下综合故障诊断率达到97.84%。 相似文献
12.
由于航空电子设备性能退化趋势与工作环境(温度、振动、负载等)存在强耦合关系,历史数据和实时数据分布存在难以量化的差异,因此航空电子设备的故障预测一直是业内难题.针对工程应用中的故障预测需求,提出了一种基于多深度置信网络(Multi-deep Belief Network,DBN)模型融合的故障预测方法,基于历史数据和实... 相似文献
13.
粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究 总被引:1,自引:1,他引:0
针对当前单一的故障诊断方法不能满足实际需求的问题,提出了一种粗糙集-遗传神经网络分类器模型,实现对挖掘机故障分类.该模型首先利用粗糙集理论对神经网络的输入进行属性约简,以减少神经网络的工作量;利用遗传算法优化BP神经网络,解决神经网络易陷入局部极小和收敛速度慢的问题;最后利用约简结果和优化的BP网络进行网络训练.实验结果验证了该方法用于故障诊断的有效性. 相似文献
14.
15.
天地一体化信息网络工程将构建全球覆盖的安全、高效、实时、宽带数据传输网络,基于天地一体化信息网络的新一代机载通信、导航、监视系统是未来我国民用航空电子系统发展的重要趋势之一,可以显著提升机载航电系统能力,为航空运输的安全性、经济性、环保性、舒适性带来巨大的变革。在分析国外航空卫星系统在民用航空领域应用现状的基础上,针对我国天地一体化信息网络在民用航空领域的应用差距,提出了基于我国自主卫星系统的天地一体化信息网络在民用航空领域应用的建设设想、实施步骤及适航考虑。 相似文献
16.
17.
18.
为解决航舵故障诊断的复杂非线性模式分类问题,提出一种基于自组织特征映射(SOM)神经网络的航舵故障诊断方法,构造一个2层SOM神经网络,训练后多个权值向量位于输入向量聚类中心,实现快速有效的自适应分类.仿真结果表明:SOM网络经过100次训练即可实现聚类,对有限故障测试样本分类准确率可达90%,对航舵故障诊断具有一定的参考价值. 相似文献
19.