东方世纪取得基于 CNN-LSTM 模型的货车动态称重专利,准确预测出...
金融界2024年8月11日消息,天眼查知识产权信息显示,东方世纪科技股份有限公司取得一项名为“基于CNN-LSTM模型的货车动态称重方法和系统“,授权公告号CN117763337B,申请日期为2023年12月。专利摘要显示,本发明提供一种基于CNN??LSTM模型的货车动态称重方法和系统,包括以下步骤:获取称台采集的货车...
...基于transformer算法的多模态时间序列传感器数据的晕动症预测...
以往的研究使用CNN和LSTM作为预测模型,使用注意机制和XAI进行数据分析,但尚未探索出一种能够更好地反映数据时空特征,并有利于增强预测和特征重要性分析的transformer。在一项研究中,韩国汉阳大学团队提出了基于transformer算法的多模态时间序列传感器数据(即眼动、头部运动和生理信号)的晕动症预测模型,并考虑了传感器数据预...
中国石化申请基于注意力机制的CNN-LSTM混合神经网络模型的光伏...
金融界2024年7月2日消息,天眼查知识产权信息显示,中国石油化工股份有限公司申请一项名为“基于注意力机制的CNN-LSTM混合神经网络模型的光伏电站负荷预测方法“,公开号CN202410441386.3,申请日期为2024年4月。专利摘要显示,本发明公开了一种基于注意力机制的CNN??LSTM混合神经网络模型的光伏电站负荷预测方法,依次包括如...
东方世纪申请基于CNN-LSTM模型的货车动态称重方法和系统专利,准确...
在货车称重压力数据长度等于预设长度时,对货车称重压力数据进行特征处理,获得压力数据特征;获取摄像头采集的货车车厢图像,对货车车厢图像预处理后,采用CNN模型对货车车厢图像进行特征提取,获得货物摆放位置图像特征;将压力数据特征和货物摆放位置图像特征送入至LSTM模型进行预测,获得货车预测重量...
“生成式AI之父”Schmidhuber:错失图灵奖之后
例如,卷积神经网络(CNN)之父是福岛邦彦,他于1979年在日本发表了基本的CNN架构。1987年,在日本工作的德国人AlexWaibel将卷积和反向传播相结合,这种方法由SeppoLinnainmaa于1970年首次在芬兰发表,现在广泛用于训练神经网络。ZhangWei也在1988年于日本发表了第一个反向传播训练的二维CNN。因此,从1979年到1988年,我们...
他让人工智能有了“长短期记忆”|算法|施密德|rnn|神经网络|自然...
图1:施密德胡伯和LSTM2018年,谷歌大脑研究科学家DavidHa与施密德胡伯一起提出“世界模型”,这种可以让人工智能在“梦境”中对外部环境的未来状态进行预测的新方法,再次吸引了人们的注意(www.e993.com)2024年9月7日。虽然施密德胡伯对AI作出卓越贡献,但比起通常人们心目中的“深度神经网络三巨头”,也是2018年图灵奖三位得主:辛顿、杨立昆、...
探索深度学习十大算法:解锁人工智能的未来|语音识别|神经网络|...
1.卷积神经网络(ConvolutionalNeuralNetworks,CNN)卷积神经网络是深度学习中最重要的算法之一,主要用于图像识别和计算机视觉任务。其通过模拟人类视觉系统的工作原理,能够自动从图像中提取特征,实现高精度的图像分类和识别。2.递归神经网络(RecurrentNeuralNetworks,RNN)...
基于对数谱图的深度学习心音分类
CNN模型比LSTM模型在各时段的预测精度更高。混淆矩阵如下:N类(Normal)的预测正确率最高,在5个案例中达到60个,而MVP类在所有案例中预测正确率最低。LSTM模型输入时间长度为2.0s,最长预测时间为9.8631ms。分类时间为1.0s的CNN模型预测时间最短,为4.2686ms。
基于CNN和LSTM的气象图降水预测示例
我们是否可以通过气象图来预测降水量呢?今天我们来使用CNN和LSTM进行一个有趣的实验。我们这里使用荷兰皇家气象研究所(也称为KNMI)提供的开放数据集和公共api,来获取数据集并且构建模型预测当地的降水量。数据收集KNMI提供的数据集,我们假设气象雷达产生的信号在反射时会被降水(雨、雪、冰雹等)反射。由雷达捕获的...
基于SARIMA、XGBoost和CNN-LSTM的时间序列预测对比(1)
利用统计测试和机器学习分析和预测太阳能发电的性能测试和对比。本文将讨论通过使用假设测试、特征工程、时间序列建模方法等从数据集中获得有形价值的技术。我还将解决不同时间序列模型的数据泄漏和数据准备等问题,并且对常见的三种时间序列预测进行对比测试。