“lstm”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果7995个，建议您升级VIP下载更多相关专利

[发明专利]一种用于预测船舶轨迹的模型训练方法及装置-CN202111076173.8有效
发明人：吴亚非;李小娟;臧义华;马兴民;梁佳 -专利权人：中国电子科技集团公司第十五研究所
申请日： 2021-09-14 - 公布日： 2021-11-16 - 主分类号： G06Q10/04 文献下载
摘要：本申请公开了一种用于预测船舶轨迹的模型训练方法及装置，本申请对预测模型的架构进行了设计，预测模型包括编码端和解码端，编码端包含第一编码LSTM单元和第二编码LSTM单元，解码端包含第一解码LSTM单元和第二解码LSTM单元。在对预测模型进行训练的过程中，根据各个LSTM单元输出的中间结果对第一编码LSTM单元和第一解码LSTM单元进行训练，采用贪婪式逐层LSTM训练方法，根据训练样本对LSTM网络模型进行逐层训练。使得第一编码LSTM单元和第一解码LSTM单元能够高效的收敛，以实现模型功能。不同的LSTM单元的预测目标不同，能够有效的地提高预测的准确性。
一种用于预测船舶轨迹模型训练方法装置

[发明专利]基于cs-lstm车辆行为预测的模型优化方法、装置及存储介质-CN202310167168.0在审
发明人：伍淑莉;肖友;卞一程 -专利权人：重庆长安汽车股份有限公司
申请日： 2023-02-27 - 公布日： 2023-06-23 - 主分类号： G06F18/214 文献下载
摘要：本发明属于车辆技术领域，具体涉及基于cs‑lstm车辆行为预测的模型优化方法、装置及存储介质，该方法包括，获取实车数据集，根据所述实车数据集获取cs‑lstm数据集和RF数据集；搭建cs‑lstm模型和随机森林模型，将所述cs‑lstm数据集输入所述cs‑lstm模型，得到cs‑lstm模型预测结果，将所述RF数据集输入所述随机森林模型，得到随机森林模型预测结果；将所述随机森林模型预测结果输入所述cs‑lstm模型，并进行后处理，对所述cs‑lstm模型进行优化。其目的是：通过在cs‑lstm模型的基础上，加入随机森林模型，对车辆换道行为进行预测，并加入到cs‑lstm模型编码和后处理中，优化cs‑lstm模型横向行为的预测，提高了预测的准确性。
基于 cs lstm 车辆行为预测模型优化方法装置存储介质

[发明专利]一种用预处理数据建LSTM网络进行卫星数据检测方法-CN202310974501.9在审
发明人：王玉鑫;梁志锋;张轩;王渊;任林博 -专利权人：中科星图测控技术股份有限公司
申请日： 2023-08-04 - 公布日： 2023-09-01 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了一种用预处理数据建LSTM网络进行卫星数据检测方法，包括对卫星遥测数据进行预处理；建立LSTM网络，并利用预处理数据训练LSTM网络；利用预处理数据泛化LSTM网络；利用预处理数据检验LSTM网络；利用检验后的LSTM网络进行卫星遥测数据异常检测；本发明通过对卫星遥测数据预处理后，利用预处理数据建立LSTM网络、训练LSTM网络、泛化LSTM网络、检验LSTM网络，得到的LSTM网络具有较高的匹配性和精度
一种预处理数据 lstm 网络进行卫星检测方法

[发明专利]基于深度学习LSTM的空调故障诊断方法-CN201910187701.3有效
发明人：严珂;花君 -专利权人：中国计量大学
申请日： 2019-03-13 - 公布日： 2020-09-25 - 主分类号： F24F11/38 文献下载
摘要：本发明公开了一种基于深度学习LSTM的空调故障诊断方法，包括以下步骤：1)构建LSTM的空调故障诊断模型，所述故障诊断模型包括输入层、隐藏层、输出层和网络优化模块；其中，所述隐藏层为LSTM网络；2)获取冷水机组不同故障数据并对其预处理，提取特征和降维后作为LSTM网络的输入；3)搭建LSTM网络模型，确定LSTM网络的参数；4)逐层训练，将上一层LSTM网络的隐藏层每一个LSTM神经元的输出都输入到下一层LSTM隐含层对应的LSTM神经元进行计算；5)通过Softmax分类，并通过网络优化模块进行不断优化模型通过固定其它参数不变而变化一种参数和交叉验证的方式搭建优化的LSTM网络模型。
基于深度学习 lstm 空调故障诊断方法

[发明专利]一种基于ResNet-LSTM的配电台区短期负荷预测方法及装置-CN202111270980.3在审
发明人：李海龙;张磐;李春晖;刘慧芳;滕飞;张志朋;刘文韬;奚鹏飞;庄乾宇;范须露 -专利权人：国网天津市电力公司;国家电网有限公司
申请日： 2021-10-29 - 公布日： 2022-03-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于ResNet‑LSTM的配电台区短期负荷预测方法及装置，用于负荷预测的领域，包括：搭建第一ResNet‑LSTM模型，ResNet‑LSTM模型包括CNN层、LSTM层以及全连接层输出层；对第一ResNet‑LSTM模型添加注意力机制以获取第二ResNet‑LSTM模型；获取预处理的历史数据，并对第二ResNet‑LSTM模型进行训练对以获取第三ResNet‑LSTM模型；将待预测的负荷数据属于三ResNet‑LSTM模型中，并对待预测的负荷数据进行负荷预测。
一种基于 resnet lstm 配电短期负荷预测方法装置

[发明专利]语音信号处理方法、装置、电子设备和存储介质-CN202011080654.1在审
发明人：鲍枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-10-10 - 公布日： 2021-01-22 - 主分类号： G10L15/02 文献下载
摘要：该语音信号处理方法包括：获取语音信号的原始特征信息；将原始特征信息输入三层LSTM网络中的第一层LSTM；将原始特征信息和第一层LSTM的输出信息输入三层LSTM网络中的第二层LSTM；将原始特征信息、第一层LSTM的输出信息和第二层LSTM的输出信息输入三层LSTM网络中的第三层LSTM，得到目标信息。
语音信号处理方法装置电子设备存储介质

[发明专利]基于深度网络AS-LSTM的命名实体识别系统及识别方法-CN202011140319.6在审
发明人：王国鸿 -专利权人：北京众标智能科技有限公司
申请日： 2020-10-22 - 公布日： 2021-01-22 - 主分类号： G06F40/295 文献下载
摘要：本发明提供了一种基于深度网络AS‑LSTM的命名实体识别系统，包括网络模型BI‑AS‑LSTM‑CRF，网络模型BI‑AS‑LSTM‑CRF包括文本特征层、上下文特征层BI‑AS‑LSTM、CRF层。上下文特征层BI‑AS‑LSTM包括2个AS‑LSTM深度网络，且2个AS‑LSTM深度网络拼接形成双向AS‑LSTM网络。在本发明中，命名实体识别系统中设计新型的AS‑LSTM深度网络，其能够获得输入文本中命名实体前后文更加稳定和准确的细胞状态，这种网络存在对自身的倚重性学习，因此既能学习到上下文相关的语义表示，也能增加应对前后文无关词语的鲁棒性
基于深度网络 as lstm 命名实体识别系统方法

[发明专利]基于LSTM网络的研究趋势预测方法、装置和计算机可读存储介质-CN202310253348.0在审
发明人：李伯泽;郭利 -专利权人：国家超级计算深圳中心（深圳云计算中心）
申请日： 2023-03-09 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本申请涉及一种基于LSTM网络的研究趋势预测方法、装置和计算机可读存储介质。所述方法包括如下步骤：S1、使用第一LSTM网络作为编码器，将过去t年某领域的研究趋势数据的真实值作为编码器的t个LSTM单元中对应每个LSTM单元的输入xi，并将编码器的每个LSTM单元的输出向量hi输入其下一个LSTM单元，得到最后一个LSTM单元的输出向量ht；S2、使用第二LSTM网络作为解码器，将编码器的最后一个LSTM单元的输出向量ht输入解码器的第一个LSTM单元，将解码器的每个LSTM单元的输出向量htLSTM单元的输入xt+j。
基于 lstm 网络研究趋势预测方法装置计算机可读存储介质

[发明专利]风电场超短期风速预测方法、装置-CN202211350054.1在审
发明人：郑忠斌 -专利权人：工业互联网创新中心（上海）有限公司
申请日： 2022-10-31 - 公布日： 2023-02-03 - 主分类号： G01W1/10 文献下载
摘要：本申请提供一种风电场超短期风速预测方法、装置，所述方法包括：构建用于风电场超短期风速预测的LSTM模型，所述LSTM模型中包括隐藏层和Dropout层，所述LSTM模型的输入为历史风速数据和历史风速影响因素数据，所述LSTM模型的输出为未来目标时刻的风速数据，所述LSTM模型的寻优参数包括隐藏层的神经元个数以及Dropout层的丢弃率采用遗传算法对所述LSTM模型进行训练以完成LSTM模型的参数寻优，输出最佳的LSTM模型；采用所述最佳的LSTM模型进行风电场超短期风速预测。
电场短期风速预测方法装置

[发明专利]基于约束并行LSTM分位数回归的电力负荷概率预测方法-CN202011092704.8在审
发明人：李丹;张远航;孙光帆;杨保华;王奇;缪书唯;李振兴;刘颂凯 -专利权人：三峡大学
申请日： 2020-10-13 - 公布日： 2021-01-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于约束并行LSTM分位数回归的电力负荷概率预测方法，包括收集多个样本日的负荷功率和影响因素数据，形成数据集；设置模型超参数；建立约束并行LSTM模型，对约束并行LSTM模型中各个分位点LSTM进行预训练，获得权重、偏置参数集；对约束并行LSTM模型进行整体训练，训练过程中对权重、偏置参数进行微调，确定约束并行LSTM模型的最佳权重、偏置参数；将验证集输入训练好的约束并行LSTM模型，根据验证误差选出模型的最佳超参数；将测试样本输入具有最佳超参数的约束并行LSTM模型，对约束并行LSTM模型输出的预测结果进行反归一化。本发明采用约束并行LSTM模型进行电力负荷的分位数回归预测，使得预测负荷概率分布更合理，避免分位数预测值之间的交叉。
基于约束并行 lstm 位数回归电力负荷概率预测方法

[发明专利]基于分位数回归的短期负荷概率密度预测方法、装置及系统-CN202110973907.6在审
发明人：陶晓峰;黄福兴;陆洋;杨学良;吕朋朋;刘涅煊;孙萌;熊霞;李远航;邓良柱;张群星;周洋;黄超 -专利权人：国电南瑞科技股份有限公司;国网电力科学研究院有限公司;南瑞集团有限公司
申请日： 2021-08-24 - 公布日： 2021-12-31 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于分位数回归的短期负荷概率密度预测方法、装置及系统，包括获取DL‑LSTM‑A深度网络模型，所述DL‑LSTM‑A深度网络模型包括若干个双层LSTM网络元胞和注意力机制模块，各双层LSTM网络元胞的输出端分别与所述注意力机制模块相连；所述注意力机制模块将各双层LSTM网络元胞的输出进行加权求和；所述双层LSTM网络元胞包括顺次相连的两个LSTM元胞；利用训练数据训练获得DL‑LSTM‑A网络中待优化的各个参数，获得优化后的DL‑LSTM‑A深度网络模型；将获取到的电力负荷消耗的影响因素输入至优化后的DL‑LSTM‑A深度网络模型，获得分位数；采用非参数密度估计方法对分位数进行处理，获得最终的负荷概率密度函数
基于位数回归短期负荷概率密度预测方法装置系统

[发明专利]用于时序数据处理的LSTM模型量化重训练方法、系统及设备-CN202310850298.4在审
发明人：王月娇;马钟;杨超杰 -专利权人：西安微电子技术研究所
申请日： 2023-07-11 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本发明涉及人工智能领域，尤其涉及一种用于时序数据处理的LSTM模型量化重训练方法、系统及设备，包括：将量化校准集修正为时间序列图像组与多样化图像组的有效组合配置形成组合图像，对LSTM模型进行量化校准；基于LSTM模型的量化校准方法，对LSTM模型进行了基于均匀‑对称量化策略的量化操作，确定LSTM模型的量化参数生成方法；针对生成LSTM量化参数的方法，采用直通滤波器的实现方式，在训练中考虑LSTM量化前后的误差，经由训练学习得到合理的LSTM模型。本发明突破现有量化方法仅仅依赖于静态量化校准集的局限，在CPU/GPU上支持实现对LSTM模型的多比特量化重训练，提升基于LSTM的神经网络模型的量化算法的量化精度。
用于时序数据处理 lstm 模型量化训练方法系统设备

[发明专利]一种基于CNN-LSTM的实时洪水预报智能方法-CN202210741890.6有效
发明人：任明磊;徐炜;魏国振;王刚;赵丽平;王凯;顾李华;喻海军;胡友兵;杨雨霞 -专利权人：中国水利水电科学研究院;重庆交通大学;淮河水利委员会水文局（信息中心）
申请日： 2022-06-28 - 公布日： 2023-02-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于CNN‑LSTM的实时洪水预报智能方法。本发明基于卷积神经网络(CNN)和长短期记忆(LSTM)网络构建一个用于水文过程预测的深度学习网络(CNN‑LSTM)。在CNN‑LSTM中，CNN用于识别和提取空间降水数据，LSTM用于学习降水与流量之间的时间序列关系。这两个网络使得CNN‑LSTM具有识别空间和时间信息的能力。CNN‑LSTM在水文建模中学习非线性和复杂过程方面具有强大的能力。
一种基于 cnn lstm 实时洪水预报智能方法

[发明专利]一种基于改进LSTM的建筑能耗预测方法及系统-CN202210265853.2在审
发明人：于军琪;董芳楠;权炜;康智桓 -专利权人：西安建筑科技大学
申请日： 2022-03-17 - 公布日： 2022-07-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进LSTM的建筑能耗预测方法及系统，方法包括如下过程：获取LSTM神经网络对应的最优参数；将最优参数引入LSTM变体神经网络，使用基于权重衰减的随机梯度优化算法对LSTM变体神经网络中的超参数进行优化，获得LSTM变体神经网络的最佳超参数，将最佳超参数对应的LSTM变体神经网络作为最优LSTM预测模型；利用最优LSTM预测模型对采集的影响建筑负荷的数据进行处理，预测建筑指定时间的负荷数据，实现建筑能耗预测
一种基于改进 lstm 建筑能耗预测方法系统

[发明专利]用于预测血糖水平的循环神经网络装置和系统-CN202010175144.6在审
发明人：埃尔哈姆·萨卡哈伊;乔治斯·乔治亚迪斯;刘留;邓伟然 -专利权人：三星电子株式会社
申请日： 2020-03-13 - 公布日： 2020-09-22 - 主分类号： A61B5/1455 文献下载
摘要：所述循环神经网络装置包括第一长短期记忆(LSTM)网络和第二LSTM网络。第一LSTM网络可包括用于接收近红外(NIR)辐射数据的输入以及输出。第二LSTM网络可包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。
用于预测血糖水平循环神经网络装置系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 7995 条