因果卷积相关论文
时空图网络建模是处理时空序列数据任务的热点研究方向. 针对传统时空图网络模型对于时空序列数据空间结构刻画和时空特性挖掘不充......
时间序列预测及交通流量预测是预测方向重要的研究内容。时间序列预测在金融市场价格预测、温度预测、太阳黑子预测等场景中有着广......
交通流量数据是一种典型的具有非线性特征的数据集,同时收集到的交通流量数据由于受多种因素的影响表现出高度随机性。因此,建立基......
针对传统神经网络对于多元发电过程数据处理效率低、且容易过拟合的缺陷,提出了一种基于时序卷积网络(TCN)与线性残差连接的光伏功......
图像描述任务是目前人工智能领域极具挑战性的研究课题之一,它的主要任务是让计算机能够识别、理解出图像中的内容并自动生成相应......
目的图像描述结果的准确合理性体现在模型对信息处理的两个方面,即视觉模块对特征信息提取的丰富程度和语言模块对描述复杂场景句......
提出一种卷积神经网络——时序卷积神经网络。将该网络应用于语言模型,时序卷积神经网络的基本结构由输入层、扩大卷积层、因果卷......
商品销量预测的准确性关乎着所有利益相关者的利润。但是缺货和库存积压的现象普遍存在,这使零售商面临两难境地:他们需要平衡缺货......
电力市场中电价预测的准确性对于供应商竞价策略的制定至关重要。针对电价预测问题,提出一种基于完备经验模态分解的深度学习分位......
时间卷积网络(TCN)在处理时间序列预测问题时存在计算量大和参数冗余问题,导致其难以应用于存储空间和计算能力受限的手机、平板电......
为了提高电力系统短期负荷预测的准确率,提出了一种基于深度学习技术的多尺度信息融合卷积神经网络(MS-ConvNet)模型.引入了全卷积......
“鸡尾酒会问题”在语音分离任务上一直是一个难题,主要因为这个问题属于一个说话人无关的语音分离问题,对于说话人事先不知道其先......
