一种基于深度学习LSTM网络的桥梁静态位移预测方法.pdf
是你****枝呀
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习LSTM网络的桥梁静态位移预测方法.pdf
本发明公开了一种基于深度学习LSTM网络的桥梁静态位移预测方法,S1、数据采集:首先利用检测系统中的数据采集模块对桥梁的基本数据进行采集,本发明涉及桥梁结构安全技术领域。该基于深度学习LSTM网络的桥梁静态位移预测方法,通过设置有存储系统和检测系统,利用数据采集模块对所需的桥梁数据进行实时的检测,并且通过模型建立单元和模块训练模块形成训练后的模型,并且对于产生的问题进行实时的检测、预测,同时配合上存储系统进行存储更新,不仅能够有效的检测出桥梁受外界因素影响产生的位移,而且可以提前告知进行问题的解决,以此提
一种基于LSTM深度学习网络模型的疫情预测模型.pdf
本发明公开了一种基于LSTM深度学习网络模型的疫情预测模型,包括LSTM用于提取序列数据中的规律信息的长短期记忆网络层、用于拟定输出维度的全连接层、以及用于调整预测数据与标签数据之间的拟合程度的激活层;所述疫情预测模型包含两层连接的长短期记忆网络层,第一层长短期记忆网络层的输出作为第二层长短期记忆网络层的输入。本发明将2*LSTM层连接模型对序列化数据进行建模,充分考虑疫情序列数据之间变化的影响,使得模型拟合效果更好。疫情序列数据在经过1层LSTM训练后,记忆信息得以保留并传输入下一层LSTM,使得模型能
一种基于深度学习的桥梁振动位移视觉测量方法及系统.pdf
本发明公开了一种基于深度学习的桥梁振动位移视觉测量方法及系统,方法包括:划分训练数据集和验证数据集;对训练数据集和验证数据集进行标注得到训练集与验证集;构建深度学习网络模型;修改配置文件中的超参数,获得训练参数;调用训练集和配置文件开始对深度学习网络模型进行训练,训练结束获得候选权重;用验证集对候选权重性能进行评估,以量化候选权重的性能,获得载入最优权重后的深度学习网络模型;将新获取的待检测的桥梁结构体图像输入载入最优权重后的深度学习网络模型进行检测,获得检测的边界框。本发明以高速视频中的桥梁结构体作为振
一种基于RNN-LSTM网络的矿热炉工况预测方法.pdf
本发明涉及一种基于RNN‑LSTM网络的矿热炉工况预测方法,包括以下步骤:采集现场多台同种型号电炉整个熔炼过程的工况状态;对数据进行数据清洗,并进行归一化处理,将数据划分为训练集与测试集;构建RNN‑LSTM网络结构;将训练集数据作为RNN‑LSTM网络结构输入,对RNN‑LSTM网络结构进行训练;将测试集数据输入已经训练好的RNN‑LSTM网络结构进行验证,计算预测准确率并通过测试集对RNN‑LSTM网络结构模型进行参数微调,提高预测精度,并将最后的RNN‑LSTM网络结构模型作为矿热炉工况预测模型。本
一种基于LSTM和生成对抗网络的网络流量预测方法.pdf
本发明涉及一种基于LSTM和生成对抗网络的网络流量预测方法,包括:(1)针对网络流量数据,构建网络流量仿真数据集;(2)在步骤(1)构建的仿真网络流量数据集的基础上,通过生成对抗网络模型对其数据进行增广,以满足训练需求;(3)针对步骤(2)获得的数据集,结合网络流量数据具有连续性、周期性的特点,构建长短期记忆网络模型;(4)针对步骤(3)构建的LSTM模型,在步骤(2)所获得的网络流量仿真数据集上进行训练,利用训练后的LSTM模型对网络流量数据进行预测,获得网络流量预测结果。本发明利用生成对抗网络思想,对