“bilstm”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1065个，建议您升级VIP下载更多相关专利

[发明专利]基于IALO-AM-BiLSTM模型的飞机地面空调能耗预测方法及存储介质-CN202111389226.1在审
发明人：林家泉;周璇 -专利权人：中国民航大学
申请日： 2021-11-22 - 公布日： 2022-02-18 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种基于IALO‑AM‑BiLSTM模型的飞机地面空调能耗预测方法及存储介质，属于能耗预测领域，包括：采集飞机地面空调能耗数据，构成数据集；构造IALO‑AM‑BiLSTM模型，IALO‑AM‑BiLSTM模型包括AM‑BiLSTM初始预测模型和IALO超参数优化算法两个部分；利用AM‑BiLSTM初始预测模型的BiLSTM神经网络挖掘数据集的双向时间序列特征，然后通过注意力机制AM对双向时间序列特征赋予不同的权重；使用IALO超参数算法寻找AM‑BiLSTM初始预测模型中使预测部分结果最优的超参数组合，其中IALO超参数算法的适应度值为AM‑BiLSTM模型预测结果的均方误差；使用最优的超参数组合配置AM‑BiLSTM最终预测模型的超参数；利用AM‑BiLSTM最终预测模型预测地面空调工作的耗电量。
基于 ialo am bilstm 模型飞机地面空调能耗预测方法存储介质

[发明专利]一种基于CNN-BiLSTM的船舶运动姿态预测方法-CN202111261023.4在审
发明人：赵强;左思雨;潘梦婷;周萌萌;张冰 -专利权人：江苏科技大学
申请日： 2021-10-28 - 公布日： 2022-02-08 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于CNN‑BiLSTM的船舶运动姿态预测方法，包括如下步骤：利用船舶运动姿态的历史数据，归一化处理，得到所需建模数据，将建模数据划分为测试集和验证集；初始化CNN网络、BiLSTM网络的结构以及相关参数；利用初始化后的CNN网络对船舶运动姿态测试集进行特征提取；将提取的特征数据送入BiLSTM网络进行训练，获取到船舶运动姿态测试集预测数据，由此建立CNN‑BiLSTM船舶运动姿态预测模型；通过验证集输入CNN‑BiLSTM船舶运动姿态预测模型进行验证预测，获取到最终的预测结果。本发明结合CNN和BiLSTM的优点，建立了CNN‑BiLSTM船舶运动姿态预测模型，利用CNN对相应船舶运动姿态数据进行特征提取，同时通过BiLSTM对所得特征信息进行预测，有效提高了预测精度，可对船舶运动姿态进行可靠预测
一种基于 cnn bilstm 船舶运动姿态预测方法

[发明专利]基于图正则化CNN-BiLSTM的多传感器故障诊断方法、介质及设备-CN202211252600.8在审
发明人：李鹏;秦泰春;王成城;施建明;党炜;易难 -专利权人：中国科学院空间应用工程与技术中心;北京卫星环境工程研究所
申请日： 2022-10-13 - 公布日： 2023-01-31 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于图正则化CNN‑BiLSTM的多传感器故障诊断方法、介质及设备，涉及基于特定计算模型的计算机故障诊断系统领域。所述方法包括：采集多传感器的状态监测数据，并对采集的数据预处理，得到训练集、验证集和测试集；建立CNN‑BiLSTM网络，将图正则化项加在CNN‑BiLSTM网络的距离分类器最近的全连接层中，完成GR‑CNN‑BiLSTM模型构建；利用训练集内的数据训练GR‑CNN‑BiLSTM模型，利用验证集内的数据评价GR‑CNN‑BiLSTM模型，并获取GR‑CNN‑BiLSTM模型性能最优时的网络参数；将测试集的数据输入性能最优的GR‑CNN‑BiLSTM模型中进行故障诊断，得到故障诊断结果。
基于正则 cnn bilstm 传感器故障诊断方法介质设备

[发明专利]一种基于BiLSTM-RVFL模型的短时车速预测方法-CN202210465128.X在审
发明人：卢海鹏;张凯;张龄允;张栋;张凯强;丁昱杰;刘洪 -专利权人：南京信息工程大学
申请日： 2022-04-29 - 公布日： 2022-07-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于BiLSTM‑RVFL模型的短时车速预测方法，包括：获取车速数据并进行预处理生成车速数据集；将车速数据集输入预构建的BiLSTM‑RVFL模型中进行短时车速预测；其中，所述BiLSTM‑RVFL模型的构建过程包括：对BiLSTM进行数学建模：在RNN网络的基础上LSTM网络加入依次连接的遗忘门、输入门和输出门；通过前向LSTM网络和后向LSTM网络构建BiLSTM网络模型；对BiLSTM网络模型进行双向训练
一种基于 bilstm rvfl 模型车速预测方法

[发明专利]一种基于BiLSTM+CRF模型的老挝语词性标注方法-CN201811531266.3在审
发明人：周兰江;王兴金;张建安;周枫 -专利权人：昆明理工大学
申请日： 2018-12-14 - 公布日： 2019-04-02 - 主分类号： G06F17/21 文献下载
摘要：本发明涉及一种基于BiLSTM+CRF模型的老挝语词性标注方法，它属于自然语言处理和机器学习技术领域。BiLSTM是基于LSTM结构，BiLSTM可以利用上下文信息来进行词性标注。将一句待词性标注的句子输入到BiLSTM中，BiLSTM通过计算可以输出句中每个词的词性概率分布，传统的做法可以挑选每个分布的最大概率词性，来作为词性标注结果。因此引入CRF模型来解决这个问题，可以将CRF模型接到BiLSTM的输出层。利用基于BiLSTM与CRF的老挝语词性标注模型，可以有效的对老挝语进行词性标注，因此本发明具有一定的研究意义。
词性标注词性标注机器学习技术自然语言处理上下文信息概率分布句子输入最大概率传统的老挝语输出层输出引入研究

[发明专利]一种基于Bert+BiLSTM+CRF的知识元自动抽取方法-CN202110062146.9在审
发明人：李佳媛;刘晓蒙;罗思明 -专利权人：同方知网（北京）技术有限公司;同方知网数字出版技术股份有限公司
申请日： 2021-01-18 - 公布日： 2021-05-25 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种基于Bert+BiLSTM+CRF的知识元自动抽取方法包括基于Bert的篇章结构划分以及基于Bert+BiLSTM+CRF的知识元的自动抽取；所述基于Bert的篇章结构划分以及基于Bert+BiLSTM+CRF的知识元的自动抽取分别包括模型训练阶段和知识元抽取阶段；所述模型训练阶段基于Bert模型特点，通过分析法律文书的主要内容和篇章结构特点进行方法设计，构建基于Bert的篇章段落标引模型Bert‑PMC；以及基于Bert‑PMC，融合双向递归神经网络BiLSTM和条件随机场CRF，构建基于Bert+BiLSTM+CRF的知识元自动抽取模型Bert‑BiLSTM‑CRF；所述知识元抽取阶段依次调用训练好的Bert‑PMC和Bert‑BiLSTM‑CRF进行法律知识元抽取。
一种基于 bert bilstm crf 知识自动抽取方法

[发明专利]一种基于指定位置遗忘的T-BiLSTM和CRF的地址要素识别方法-CN202210578633.5在审
发明人：樊坤;高杨;陈伟;许俊杰;杨运平 -专利权人：浙江邦盛科技股份有限公司
申请日： 2022-05-25 - 公布日： 2022-08-09 - 主分类号： G06F40/169 文献下载
摘要：本发明公开了一种基于指定位置遗忘的T‑BiLSTM和CRF的地址要素识别方法，本方法构建了一种基于BiLSTM的指定时间步遗忘的神经网络，该神经网络本方法命名为T‑BiLSTM，该方法首先将地址文本编码转化为基于字信息的向量矩阵；然后将地址向量分别输入到BiLSTM的地址分词网络中进行分词；得到分词向量后将其与地址向量结合输入到T‑BiLSTM神经网络中；最后利用条件随机场CRF对基于T‑BiLSTM神经网络的结果进行标注，得到地址的各级别地址要素与传统基于BiLSTM‑CRF的地址要素方法相比，该方法将分词与标注任务分离开，识别要素时引入分词遗忘信息，对新词识别具有更好的准确性和鲁棒性。
一种基于指定位置遗忘 bilstm crf 地址要素识别方法

[发明专利]基于IWOA-Attention-BiLSTM的短期电力负荷预测方法-CN202211123051.4在审
发明人：续欣莹;刘展鹏;任密蜂;李荣;邢吉伟;王秀权 -专利权人：太原理工大学
申请日： 2022-09-15 - 公布日： 2022-12-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于电力系统领域，尤其涉及一种基于IWOA‑Attention‑BiLSTM的短期电力负荷预测方法；可以更好地对短期电力负荷进行预测。所述基于IWOA‑Attention‑BiLSTM的短期电力负荷预测方法的步骤包括：获取修复的电力负荷数据，根据所述修复的电力负荷数据，建立Attention‑BiLSTM网络结构，采用改进的鲸鱼优化算法寻找所述Attention‑BiLSTM网络结构的最佳超参数，将最佳超参数赋予所述Attention‑BiLSTM网络结构，对短期电力的负荷进行预测。
基于 iwoa attention bilstm 短期电力负荷预测方法

[发明专利]针对预训练语言模型BERT的知识蒸馏方法、装置及系统-CN202011396369.0在审
发明人：姜珊 -专利权人：云知声智能科技股份有限公司;厦门云知芯智能科技有限公司
申请日： 2020-12-03 - 公布日： 2021-02-09 - 主分类号： G06F40/211 文献下载
摘要：本发明提供了针对预训练语言模型BERT的知识蒸馏方法、装置及系统，包括蒸馏训练阶段和微调测试阶段；其中，所述蒸馏训练阶段包括：获取无标签文本；利用BERT模型编码，获取所述无标签文本的BERT句向量；利用BiLSTM模型编码，获取所述无标签文本的BiLSTM句向量；基于所述BERT句向量和所述BiLSTM句向量，训练获得最佳BiLSTM模型；所述微调测试阶段包括：将有标签数据集输入最佳BiLSTM模型，进行微调训练；将测试集输入微调后的BiLSTM模型，计算输出结果。
针对训练语言模型 bert 知识蒸馏方法装置系统

[发明专利]基于深度学习的高层建筑风致响应预测方法及装置-CN202111030329.9在审
发明人：陈增顺;许福友;李珂;许叶萌;汪亚泰;李狄钦 -专利权人：重庆大学
申请日： 2021-09-03 - 公布日： 2022-01-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于深度学习的高层建筑风致响应预测方法，属于高层建筑风致响应预测技术领域，所述预测方法包括：将待测高层建筑的历史顶部位移数据通过经验模态分解算法分解为多个本征模态函数分量，并输入CNN‑BiLSTM模型进行训练，得到EMD‑CNN‑BiLSTM模型；通过EMD‑CNN‑BiLSTM模型计算出待测高层建筑顶部位移的预测数据和变化趋势。本发明中，采用CNN‑BiLSTM模型做为基础模型对高层建筑的风致响应进行预测，完成位移响应预测所需要的时间很短；将EMD与CNN‑BiLSTM模型结合得到EMD‑CNN‑BiLSTM模型，能够达到很高的预测精度
基于深度学习高层建筑风致响应预测方法装置

[发明专利]一种基于SSA-BiLSTM的压电作动器模型辨识方法-CN202310213323.8在审
发明人：李俊红;严俊;白贵祥;李亚男;宗天成;王娟 -专利权人：南通大学
申请日： 2023-03-07 - 公布日： 2023-08-25 - 主分类号： G06N3/0442 文献下载
摘要：本发明提供了一种基于SSA‑BiLSTM的压电作动器模型辨识方法，属于压电作动器辨识技术领域。解决了辨识压电作动器模型难度大和精度不高的技术问题。其技术方案为：包括以下步骤：1)通过仿真实验，获得样本数据；2)数据预处理并构建数据集，并将其分为训练集和测试集；3)得到SSA‑BiLSTM模型用于实时估计。本发明的有益效果为：使用的SSA‑BiLSTM长短期记忆神经网络能够通过SSA算法对BiLSTM神经网络的超参数进行寻优，在满足预测模型评价标准的基础上确定BiLSTM神经网络的最优参数，最终得到SSA‑BiLSTM
一种基于 ssa bilstm 压电作动器模型辨识方法

[发明专利]基于深度学习的高层建筑风致响应预测、训练方法及装置-CN202111030346.2有效
发明人：陈增顺;华建民;黄乐鹏;刘森云;薛暄译;谭树清;梅俊 -专利权人：重庆大学;四川前沿空间科技有限公司
申请日： 2021-09-03 - 公布日： 2023-09-26 - 主分类号： G06Q50/08 文献下载
摘要：本发明涉及一种基于深度学习的高层建筑风致响应预测模型训练方法，属于高层建筑风致响应预测技术领域，所述预测模型训练方法包括：将待测高层建筑的历史顶部位移数据通过经验模态分解算法分解为多个本征模态函数分量，并输入BiLSTM‑ATTE模型进行训练，直至BiLSTM‑ATTE模型的损失函数收敛为一个固定值，结束训练，得到EMD‑BiLSTM‑ATTE模型。本发明中，采用BiLSTM‑ATTE模型做为基础模型对高层建筑的风致响应进行预测，完成位移响应预测所需要的时间很短；将EMD与BiLSTM‑ATTE模型结合得到EMD‑BiLSTM‑ATTE模型，能够达到很高的预测精度
基于深度学习高层建筑风致响应预测训练方法装置

[发明专利]一种基于贝叶斯优化的BiLSTM电压偏差预测方法-CN202110632684.7在审
发明人：王宝华;张文惠;王大飞;张弛 -专利权人：南京理工大学
申请日： 2021-06-07 - 公布日： 2021-10-26 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于贝叶斯优化的BiLSTM电压偏差预测方法，对电压偏差时间序列数据集进行标准差标准化处理，按照比例进行数据分割，得到训练集和验证集；利用预处理之后的电压偏差数据训练集训练BiLSTM电压偏差预测模型；将验证集输入到训练的BiLSTM电压偏差预测模型中，获取电压偏差预测值后进行反标准差处理，使用均方根误差作为BiLSTM电压偏差预测模型超参数优化的目标函数，利用贝叶斯优化算法对BiLSTM电压偏差预测模型的超参数进行优化，获取最优的超参数组合；将最优超参数组合作为BiLSTM预测模型的超参数，构建基于贝叶斯优化算法的BiLSTM电压偏差预测模型，对电压偏差时间序列数据进行预测，获得最终的预测数据。
一种基于贝叶斯优化 bilstm 电压偏差预测方法

[发明专利]一种基于深度BILSTM的太阳辐射预测方法-CN202010935820.5有效
发明人：张楚;彭甜;王业琴;赵环宇;纪捷;孙娜;夏鑫;孙伟;成佳伟 -专利权人：淮阴工学院
申请日： 2020-09-08 - 公布日： 2023-06-30 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及太阳辐射预测技术领域，公开了一种基于深度BILSTM的太阳辐射预测方法，采用CEEMDAN将原始太阳辐射序列分解为子分量集合；对各所述分量，构建独立的双向长短期记忆神经网络子模型；对各子分量的BILSTM模型采用SCA算法进行优化，输出BILSTM模型的最佳参数；利用训练好的子分量SCA‑BiLSTM模型计算目标变量的预测值；将各子分量SCA‑BiLSTM模型的预测值进行聚合，得到CEN‑SCA‑BiLSTM
一种基于深度 bilstm 太阳辐射预测方法

[发明专利]一种面向飞机作动系统的状态预测方法-CN202210946875.5有效
发明人：王凯;张宏达 -专利权人：中国民航大学
申请日： 2022-08-09 - 公布日： 2022-10-25 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种面向飞机作动系统的状态预测方法，步骤如下：建立飞机作动系统物理仿真模型，并以真实部件参数和QAR数据作为激励源，获取部件运行参数数据；数据预处理形成预测模型的标准输入数据集；建立飞机作动系统BiLSTM预测模型；使用改进后的INSGA‑II算法优化BiLSTM预测模型超参数；将BiLSTM预测模型和超参数优化模型融合，构造出INSGA‑BiLSTM飞机作动系统状态预测模型。本发明建立双向BiLSTM预测模型，并通过改进INSGA‑II算法优化模型超参数，使预测结果更精确。
一种面向飞机系统状态预测方法

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 1065 条