【摘 要】
：
时序预测是一项重要的研究课题,在金融、医疗、气象、交通运输、电力调度等民生领域有着广泛的应用,因此,对于时序预测相关问题的研究一直是学者们关注的热点。从早期的基于统计理论的时序预测方法研究,到21世纪初,基于传统机器学习方法的时序预测方法逐渐发挥其性能和优势,再后来,随着计算机算力的大幅提升和深度学习理论的发展,利用基于深度神经网络的模型进行时序预测成为了新的研究热点。然而,在小样本时序预测场景下
论文部分内容阅读
时序预测是一项重要的研究课题,在金融、医疗、气象、交通运输、电力调度等民生领域有着广泛的应用,因此,对于时序预测相关问题的研究一直是学者们关注的热点。从早期的基于统计理论的时序预测方法研究,到21世纪初,基于传统机器学习方法的时序预测方法逐渐发挥其性能和优势,再后来,随着计算机算力的大幅提升和深度学习理论的发展,利用基于深度神经网络的模型进行时序预测成为了新的研究热点。然而,在小样本时序预测场景下,例如罕见疾病的辅助诊断,电力系统新并入用户的电力预测等,由于训练样本不足,导致基于深度神经网络的模型在训练阶段遭遇过拟合问题（overfittings）并在预测阶段出现严重的性能衰退。基于上述问题,本文提出基于元学习的小样本时序预测方法,通过快速跨任务训练,学习泛化元知识,提高模型对于新任务的敏感性,进而缓解深度神经网络模型在小样本场景下的过拟合问题,提高模型在预测阶段的准确率。本文以吉林省部分地区蓄热式电锅炉功率数据集以及13个来自UCR Time Series Archive的公共数据集作为实验数据,选择多层感知机（Multi-Layer Perceptron,MLP）、长短期记忆网络（Long Short-Term Memory,LSTM）、卷积神经网络（Convolutional Neural Networks,CNN）、CCL（CNN Concatenating LSTM）作为基线模型,并设计了两组对比模型进行小样本时序预测问题的实验探究;实验结果表明,本文提出的方法在预测性能和模型收敛速度均优于基线模型,有效地缓解了基于深度神经网络模型在小样本时序预测场景下的过拟合问题;除此之外,统计假设检验和预测机制敏感性分析表明,本文提出的基于元学习的小样本时序预测方法训练得到的模型在统计学意义上相比于基线模型有更好的泛化性能,并且对于预测范围和数据规模的变化有较强的鲁棒性。
其他文献
电子电气设备在进入市场前必须通过电磁兼容测试要求，本文阐述了电磁兼容的定义以及电磁兼容测试的分类，并根据电磁兼容标准设计实验方法对电能表自动化检定系统关键设备进行电磁兼容测试。通过分析实验结果提出滤波技术、接地技术、布线技术等方案来提升电能表自动化检定系统的电磁兼容性，从而进一步提高其计量的可靠性和安全性。
在中国共产党第十九次代表大会上，第一次提出了乡村振兴战略，并且强调“三农”问题是民生根本问题。为实现乡村振兴，必须重视耕地保护，因为耕地不仅是粮食生产的载体，也是其根本，只有做好耕地保护工作才可以促进乡村振兴。但是我国耕地资源十分稀缺，同时面临土壤污染等严峻挑战，阻碍农业可持续发展。文章立足湖南地区实际情况，分析了耕地资源合理利用的制约因素，提出了乡村振兴环境下耕地保护的策略。
随着城市建设不断发展，建筑垃圾产量与日俱增。本文以新和县2018—2020年生活垃圾和建筑垃圾产量为参考，结合新和县实际情况，提出了源头减量控制、建筑垃圾再生利用、推广使用环保建材、完善法律规范和管理制度、借鉴先进技术和模式、引进社会投资等六个方面的建筑垃圾处理优化措施，分析了垃圾处理优化完成后的经济效益和社会效益。
根据电磁兼容课程实践性强的特点,结合电子科技大学电磁兼容相关课程教学经验,从电磁兼容三大技术——接地、屏蔽和滤波入手,分别设计出相关的教学实验内容。并根据仪器设备条件,开发了实验装置,包括针对接地技术设计的安全接地实验、针对屏蔽技术设计的屏蔽效能测试实验、针对滤波技术设计的传导干扰抑制与滤波实验。在教学中开展的三个实验,促进了电磁兼容相关课程教学和人才培养项目质量的提升。
聚类是数据挖掘领域的一项经典任务,通过预定义的相似性度量将未标记的输入数据划分成不同聚类。在过去的几年中,人们提出了各种聚类方法来解决现实世界中的问题,如文本聚类和图像聚类。随着图结构数据的出现,如生物网络和社会网络,如何将属性图节点划分为不同聚类引起了广泛关注。与文本和图像数据不同,属性图中的每个节点都有一组属性特征,属性信息表示节点本身的特征值,结构信息则表示节点结构之间的潜在相似性。因此,如
知识图谱以结构化的有向图形式来描述真实世界的知识,近年来已被广泛应用于问答、信息检索、推荐系统、机器阅读理解、对话生成等各个领域。然而,常用的大规模知识图谱中存在大量缺失的事实,知识图谱面临的不完整性问题严重阻碍了其在相关下游任务中的应用能力。为了补全知识图谱,基于强化学习的推理方法在知识图谱上进行多跳推理来预测缺失的事实,有着兼具推理的准确性和可解释性的独特优势。然而,当前的基于强化学习的多跳推
沿空留巷对于提高矿区煤炭采出率、延长矿井使用年限、减少巷道掘进量及防治瓦斯灾害具有重要的意义。针对坚硬顶板条件下,综采工作面沿空留巷出现的采空区顶板难垮落、动压扰动大、围岩应力集中的现象,导致留巷巷道围岩变形难以控制,以忻州窑矿8318工作面沿空留巷为工程背景,开展了现场调研、岩石力学测试、理论分析、数值模拟及现场工业性试验等工作,对坚硬顶板切顶留巷围岩支护控制技术进行了研究,主要研究成果如下:（
＜正＞心脏磁共振（CMR）灌注在缺血性疾病的诊断中具有重要作用,被广泛应用。随着各种灌注技术以及后处理方式的不断发展,心肌灌注成像从一个定性评估心肌微循环障碍的技术发展到一个精确量化的技术,并且实现了半定量到全定量的发展。在各种可能导致心肌微循环异常的疾病中均有应用,同时为临床了解疾病进程、指导治疗及评估预后提供更多可用的影像学信息。本文主要针对CMR灌注定量评估在心脏疾病中的研究应用及进展做一综
高铁列车振动作为一种可重复使用的绿色环保震源,对进行地质勘探、地下结构反演等工作有着重要的意义。高铁列车行驶时产生的振动波在地下介质中传播时,由于介质的吸收衰减作用,导致观测到的高铁列车振动信号的振幅、波形等都会发生复杂变化。本文通过在高铁线路附近的空旷场地布置传感器采集高铁列车产生的振动信号数据,对实测高铁列车振动信号采用三种不同的时频分析方法对信号进行处理,通过对比时频分析结果选定改进广义S变
表面缺陷分割是指对物体表面的气孔、划痕等各种缺陷进行提取的过程。表面缺陷分割能够指导工业生产和检修,有效防止残次品流入市场。磁瓦是各种工业电机中的重要部件,它的性能很大影响了电机的使用。由于原料、工艺等各种原因,生产出的磁瓦表面可能会出现如气孔、破碎、裂缝、磨损、不均匀等各种缺陷。目前,这些缺陷大多依靠人工目视检测。但是,由于工作量大,耗时长,工人很难快速正确的检查磁瓦质量。鉴于深度学习在计算机视