时序卷积网络相关论文
随着信息技术的蓬勃发展,人工智能在不同领域中的应用层出不穷,越来越多的工程师致力于将人工智能技术带到更多的应用场景之中。煤......
提高预测精度是风电概率预测研究的关键问题，融合多源数值天气预报数据降低预测误差，采用时序注意力机制对输入信息进行自适应选择，采......
在线学习场景下,专注度是衡量学习体验的重要指标。提高专注度识别的准确率可以帮助老师及时获得课程反馈,以此提升学生的学习体验......
为提高风电功率的预测精度,提出基于数据分解和输入变量选择的短期风电功率预测方法。利用自适应噪声完备集成经验模态分解（complet......
针对花样滑冰运动人体运动轨迹复杂，动作类型多样，普通人肉眼难以区分且常规的行为识别方法识别准确率低的问题，提出了一种基于时空图......
2016年10月1日,继美元、英镑、欧元、日元后,人民币正式被纳入到SDR货币篮子,成为全球第五个主要储备货币,人民币汇率市场化程度得......
短期光伏出力预测对电力系统生产调度计划的合理制定极其重要，有助于促进光伏发电并网和消纳。光伏出力受气象特征影响较大，其过程具......
纳米孔测序技术因其超长读长的优势在全基因组测序及组装等研究领域备受关注,其核心是利用碱基序列识别算法解码测序电信号以识别......
在愈发紧迫的“碳达峰”、“碳中和”目标下,提高电能的利用效率成为亟待解决的问题。非侵入式负荷分解通过分解采集得的用户电力......
针对月度风光发电功率模拟面临的变量维度高、时空特征复杂等难题,提出一种基于时序生成对抗网络的月度风光发电功率场景分析方法.......
时间序列预测问题的研究至关重要,从电商销量预测到股票价格预测等,随处可见其应用场景。时间序列预测任务也是学术界长久以来的研......
准确快速地检测极光亚暴具有重要的意义.现有利用机器学习技术自动检测亚暴起始时刻的方法无法同时兼顾检测精度和效率.本文基于深......
在软件开发流程的前端开发环节中,前端开发人员需要根据UI（User Interface,用户界面）设计图编写对应的界面代码。为了1:1还原UI设计......
对于高校学生来说,除了学习以外还有其他的业余活动,有的学生有丰富的兴趣爱好,还有的学生兴趣爱好比较匮乏。在心理学中,兴趣作为......
传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降.为了解决这个问题,提......
手势分为静态手势和动态手势,针对动态手势中手势轨迹不明显、短期时空特征得不到有效提取和利用,提出一种基于darknet(darknet53)......
由于疾病、事故等原因,肢体残疾患者的人数在不断攀升,但智能假手设备还不能完全满足患者的需求。随着康复医学工程技术的进步,基......
交通流预测作为智能交通系统重要的研究领域之一,可以降低出行者的出行成本和社会的运行成本。现有的交通流预测模型建立前没有对......
目的 研究脉象信号识别模型的建立,充分利用脉象信号在时域中的形态信息,为脉诊客观化研究提供了一种新的思路和方法.方法 通过对......
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......
针对实际环境噪声下的手机来源识别问题,提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先,通过分析不同手机语音......
近年来语音相关研究中出现一种趋势,过去被认为在序列数据上表现较好的以循环网络(RNN)为基础的各类模型,开始被时序卷积网络(TCN)......
随着信息时代的来临,如何从海量的自然语言数据中获取到有用的信息是当今社会一个非常重要的问题。自然语言数据不同于其他类型的......
云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的......
针对Wi-Fi信号的行为感知研究中传统机器学习方法特征提取困难、深度学习方法特征提取方式单一,导致特征提取不充分、识别准确率不......
鉴于目前主流的文本情感分析方法存在难以解决长期依赖和对上下文信息使用不足的缺陷,本文首次提出将时序卷积网络(TCN)和BiLSTM+A......
为克服利用气象因素对用电量预测任务中必须先观测到气象条件再进行预测的困境,提升用电量预测准确性,提出一种基于时序卷积网络与......
本文采用时序卷积神经网络对时序数据进行分析及预测,并在太阳黑子数据集上进行验证,同时与传统的时序数据分析方法及长短时记忆网......
涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断......
目前基于深度学习的主机性能预测模型大部分缺乏普适性,实验数据缺乏公正性,无法准确预测能耗或性能峰值点且时间开销较大.为解决......
采用脑电数据集DEAP进行情感识别。由于脑电信号具有时序性,采用深度学习中的时序卷积网络(TCN)对数据进行训练识别。首先使用小波......
现有在线内容流行度预测方法忽略对传播级联演化过程中的结构和时序特征的捕获.针对此问题,文中提出基于图注意力时空神经网络的在......
