论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf
时序数据存在时序性，并且其短序列的特征存在重要程度差异性。针对时序数据特征，提出一种基于注意力机制的卷积神经网络（CNN）联合长短期记忆网络（LSTM）的神经网络预测模型，融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成：基于注意力机制的CNN，在标准CNN网络上增加注意力分支，以抽取重要细粒度特征；后端为LSTM，由细粒度特征抽取潜藏时序规律的粗粒度特征。在真实的热电联产供热数据上的实验表明，该模型比差分整合移动平均自回归、支持向量回归、CNN以及LSTM模型的预测效果更好，对比目前企业将预定量作为预测量的方法，预测缩放误差平均值（MASE）与均方根误差（RMSE）指标分别提升了89.64%和61.73%。
文件下载
评论信息
其他资源
- C++实验指导书以及个人源代码
- java(SSM框架)企业网站CMS
- 4个threejs实战的demo项目源码
- 竞足安卓苹果app源代码下载
- 步进电机FPGA_S曲线程序
- 东华大学复试资料(学长经验+历年复试真题)
- tsmc 0.18um ADS library
- 中兴B860AV1.1机顶盒固件
- 计算非线性弹性力学-Computational Inelasticity
- STC12C5A60S2的AD采样程序
- 电镀流水线的PLC控制
- Java餐饮管理系统+java源码+数据库+论文
- 整流器的matlab仿真
- appcompat-v7-28.0.0.pom
- PlaceHolder-源码
- dreamweaver留言板代码
- 博客-MIL基础概念和开发步骤学习资源
- 蓝牙（bluetooth）控制PPT 【android】
- JIRA入门，JIRA基础教程
- Make Your Own Neural Network - 搭建自己的神经网络
- java库存管理系统
- matlab图像锐化源代码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明