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4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ConvLSTM的西北太平洋海表温度中短期预报
1
作者 胡楠 孙源 +1 位作者 张永垂 钟中 《气象科学》 2024年第2期375-381,共7页
尽管海表温度(Sea Surface Temperature,SST)短期变化较小,但这种变化对海洋涡旋、海洋锋以及热带气旋的发生发展仍有着重要的影响,因此短期SST预报意义重大,且对预报精度的要求较高。本文基于ConvLSTM的深度学习模型,利用SST和温度平... 尽管海表温度(Sea Surface Temperature,SST)短期变化较小,但这种变化对海洋涡旋、海洋锋以及热带气旋的发生发展仍有着重要的影响,因此短期SST预报意义重大,且对预报精度的要求较高。本文基于ConvLSTM的深度学习模型,利用SST和温度平流双预报因子对西北太平洋划定区域内SST进行7 d的连续预报,将其结果与仅使用SST预报因子ConvLSTM以及混合坐标海洋模型(HYbrid Coordinate Ocean Model,HYCOM)的预报结果分别进行了对比。结果表明,在7 d的预报时效内,温度平流预报因子的加入可使得ConvLSTM模型预报技巧大幅提升,明显优于HYCOM模式。此外,本文将预报时效进一步延长至30 d,对模型在不同季节的预报能力进行了分析,发现ConvLSTM模型在春、秋季(夏、冬季)的预报效果相对较好(差)。 展开更多
关键词 深度学习 convlstm模型 SST预报 西北太平洋
下载PDF
基于骨骼关键点的室外群体情绪识别
2
作者 顾春睿 刘银华 赵祥涛 《传感器与微系统》 CSCD 北大核心 2024年第4期119-123,127,共6页
本文提出了一种基于骨骼关键点的室外群体情绪识别方法。首先,通过YOLOPose算法对群体中每个人进行跟踪检测和姿态估计;其次,通过姿态估计得到骨架信息,并通过骨架信息计算每个人的情绪特征;最后,将骨架信息和情绪特征输入到建立的双分... 本文提出了一种基于骨骼关键点的室外群体情绪识别方法。首先,通过YOLOPose算法对群体中每个人进行跟踪检测和姿态估计;其次,通过姿态估计得到骨架信息,并通过骨架信息计算每个人的情绪特征;最后,将骨架信息和情绪特征输入到建立的双分支姿态情绪识别模型(D-ConvLSTM)中,提取并融合2个分支的多层次时空特征,从而根据融合后的双分支特征进行情绪分类,得到群体中每个人的情绪识别结果。实验结果表明,所提方法具有较高的室外群体情绪识别精度。 展开更多
关键词 室外群体情绪识别 骨骼关键点 特征融合 D-convlstm模型
下载PDF
慢性病药品采购价格指数预测研究——基于山东省药品集中采购数据的分析
3
作者 蔡文鼎(翻译) 魏新江 《价格理论与实践》 北大核心 2023年第3期108-111,204,共5页
药品集中采购对于稳定药品价格和降低患者用药负担具有重要意义。本文基于山东省药品集中采购数据,编制慢性病药品链式拉氏价格指数,评估山东省药品集中采购政策的实施效果。构建LSTM、双向LSTM和ConvLSTM模型,预测价格指数波动趋势,为... 药品集中采购对于稳定药品价格和降低患者用药负担具有重要意义。本文基于山东省药品集中采购数据,编制慢性病药品链式拉氏价格指数,评估山东省药品集中采购政策的实施效果。构建LSTM、双向LSTM和ConvLSTM模型,预测价格指数波动趋势,为政府及管理者提供科学的决策依据。研究结果表明:慢性病药品价格大幅下降,大大减轻了慢性病患者的用药负担,未来慢性病药品价格将呈现稳中有降的趋势,双向LSTM和ConvLSTM模型的预测精度优于传统LSTM模型,两模型泛化能力更好,对山东省慢性病药品价格指数预测具有一定的应用价值。据此,提出健全药品集中采购价格监测体系、创新药品价格监测技术手段和深化药品生产流通体制改革等建议,推动药品采购与监测技术研究一体化建设。 展开更多
关键词 慢性病药品 价格指数预测 LSTM模型 双向LSTM模型 convlstm模型
原文传递
基于ConvLSTM模型的短文本情感分类研究 被引量：2
4
作者 张志远 万双双 《现代电子技术》 北大核心 2019年第22期159-163,共5页
CNN在处理短文本情感分类时,使用卷积层抽取局部特征,用最大池化层选取局部特征最大值,易忽略其长期序列特性。该文使用一种新的深度学习模型ConvLSTM,利用长LSTM替代CNN中的最大池化层,以减少局部信息的丢失并捕获句子序列中的长期依... CNN在处理短文本情感分类时,使用卷积层抽取局部特征,用最大池化层选取局部特征最大值,易忽略其长期序列特性。该文使用一种新的深度学习模型ConvLSTM,利用长LSTM替代CNN中的最大池化层,以减少局部信息的丢失并捕获句子序列中的长期依赖关系。在IMDB影评数据集和Amazon评论数据集上的实验表明,该模型较CNN和单纯的LSTM在准确率、召回率和F值等方面均有较明显的提高。 展开更多
关键词 短文本 情感分类 CNN LSTM convlstm模型 深度学习模型
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