期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度学习的司机疲劳驾驶检测方法研究 被引量：17
1
作者 李小平 白超 《铁道学报》 EI CAS CSCD 北大核心 2021年第6期78-87,共10页
针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题,提出一种基于MTCNN-PFLD-LSTM深度学习模型的疲劳驾驶检测算法。通过多任务卷积神经网络MTCNN进行人脸区域检测;利用PFLD模型检测人脸眼部、嘴... 针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题,提出一种基于MTCNN-PFLD-LSTM深度学习模型的疲劳驾驶检测算法。通过多任务卷积神经网络MTCNN进行人脸区域检测;利用PFLD模型检测人脸眼部、嘴部和头部的关键点及空间姿态角;计算出基于时间序列的人脸疲劳特征参数矩阵并输入长短期记忆网络LSTM进行疲劳驾驶检测,通过优化设计不同阶段损失函数及其权重,进一步提高检测能力。在未采用GPU加速的情况下,通过YawDD数据集与自采数据集进行试验并与最新的8种方法进行比较,准确率和检测帧率分别达到99.22%和46,准确率比未采用GPU加速试验中性能第2的模型增加了0.26%,检测帧率比未采用GPU加速试验中性能第2的模型增加了1.3倍。试验结果表明,提出的方法可以提高疲劳检测的准确度和效率,并可在移动设备等低算力设备上应用。 展开更多
关键词 多任务卷积神经网络MTCNN 长短期记忆人工神经网络lstm 深度学习 疲劳驾驶检测
下载PDF
基于LSTM深度学习的ENSO预测及其春季预报障碍研究 被引量：5
2
作者 周佩 黄颖婕 +1 位作者 胡冰逸 韦骏 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第6期1071-1078,共8页
利用长短期记忆网络(LSTM)深度学习算法构建一个热带太平洋Niño3.4指数预测模型,并分析模型的季节预报误差。结果表明,LSTM模型能够较好地预测厄尔尼诺事件的变化趋势,但针对不同类型的厄尔尼诺事件有不同的表现。对于1997/1998和2... 利用长短期记忆网络(LSTM)深度学习算法构建一个热带太平洋Niño3.4指数预测模型,并分析模型的季节预报误差。结果表明,LSTM模型能够较好地预测厄尔尼诺事件的变化趋势,但针对不同类型的厄尔尼诺事件有不同的表现。对于1997/1998和2015/2016强东部型厄尔尼诺事件,该模型能较准确地预测事件的趋势和峰值,距平相关系数(ACC)达到0.93以上。但是,对于1991/1992和2002/2003弱中部型厄尔尼诺事件,在峰值预测方面表现不好。在厄尔尼诺增长期,预报误差的季节增长率最大值(k_(max))皆处于4—6月,存在明显的春季预报障碍(SPB)现象。在衰减期,同类型事件的k_(max)分布相似:弱中部型厄尔尼诺事件的k_(max)皆处于春季,存在明显的SPB现象;强东部型厄尔尼诺事件的k_(max)分散在其他季度,不存在SPB现象。个体事件间存在一定的差异,可能与事件的特征(如事件类型和强度)有关。 展开更多
关键词 长短期记忆人工神经网络(lstm) ENSO 预报误差 春季预报障碍(SPB) Niño3.4指数
下载PDF
基于考虑滞后性LSTM模型的电商需求预测 被引量：5
3
作者 包吉祥 李林 赵梦鸽 《计算机工程与应用》 CSCD 北大核心 2022年第24期276-283,共8页
消费者网络购物浏览时间碎片化、对价格更敏感的特征带来滞后性消费。为了掌握顾客消费趋势,通过获取Q企业纸类商品的历史销售数据和消费者购买行为数据,分析消费者行为对销售数据的影响,并利用随机森林分别选取不考虑滞后性和考虑滞后... 消费者网络购物浏览时间碎片化、对价格更敏感的特征带来滞后性消费。为了掌握顾客消费趋势,通过获取Q企业纸类商品的历史销售数据和消费者购买行为数据,分析消费者行为对销售数据的影响,并利用随机森林分别选取不考虑滞后性和考虑滞后性的特征因子;基于LSTM神经网络建立快消品的需求预测模型;根据Q企业纸类商品的数据进行预测及验证,结果表明考虑滞后性LSTM模型预测相对误差更小,预测精度更高。 展开更多
关键词 长短期记忆人工神经网络(lstm) 滞后性 电商需求预测 随机森林
下载PDF
基于LSTM的船舶纵摇极短期预报
4
作者 洪智超 丁羿杰 +3 位作者 王鸿东 叶真 徐立新 张雨婷 《船舶工程》 CSCD 北大核心 2024年第S01期589-594,共6页
为船舶航行决策相关设备的精度校准提供数据支持,保障船舶安全航行及船用设备的稳定运行具有重要意义。传统水动力学分析方法难以精确、高效地预报船舶的非线性运动。为了提高船舶极短期预报的精度,分别构建单特征和多特征输入的长短期... 为船舶航行决策相关设备的精度校准提供数据支持,保障船舶安全航行及船用设备的稳定运行具有重要意义。传统水动力学分析方法难以精确、高效地预报船舶的非线性运动。为了提高船舶极短期预报的精度,分别构建单特征和多特征输入的长短期记忆人工神经网络(LSTM)模型,对船舶在波浪中的纵摇运动进行研究和预测,分析了运动参数和波浪参数对模型预报精度的影响,并对输入参数的时间间隔和模型训练数量等参数展开分析。结果表明,该方法在单特征输入情况下有效预测时间可达6 s,在多特征输入的情况下有效预测时间可达12 s,验证了LSTM算法对船舶在波浪中的纵摇运动进行极短期预报的可行性。 展开更多
关键词 长短期记忆人工神经网络(lstm) 随机波 纵摇运动 极短期预报
原文传递
融合LSTM预测需求的线型材料多批次优化下料方法
5
作者 庞凯民 朱波 +2 位作者 张宏硕 刘宁 张连富 《软件导刊》 2021年第12期30-36,共7页
针对小批量多批次生产模式下的线型材料优化下料问题,提出利用长短期记忆网络(LSTM)对后续批次的下料需求进行预测的方法。按照集中下料思想,将预测得到的多个批次下料需求整合成一个较大规模的优化下料问题进行求解,并通过补偿下料对... 针对小批量多批次生产模式下的线型材料优化下料问题,提出利用长短期记忆网络(LSTM)对后续批次的下料需求进行预测的方法。按照集中下料思想,将预测得到的多个批次下料需求整合成一个较大规模的优化下料问题进行求解,并通过补偿下料对预测误差产生的缺料进行补偿以满足实际下料需求。基于LSTM和经典的列生成法构建型材优化下料模型,根据收集到的下料需求历史数据对模型进行训练和测试。仿真实验结果表明,该模型对切割零件需求预测精度较高(平均决定系数R2达到0.93),相比批次下料方法和基于库存下料方法,原材料利用率分别提升了0.14%和0.03%,原材料成本分别减少了14963.4元和14332.4元,证明了模型的有效性。 展开更多
关键词 线型材料优化下料 多批次下料 列生成法 需求预测 长短期记忆人工神经网络(lstm)
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部