论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf

所需积分/C币:45 2019-09-06 15:43:30 914KB .PDF
1343
收藏 收藏
举报

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%。

...展开详情
试读 8P 论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf 45积分/C币 立即下载
1/8
论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf第1页
论文研究-基于注意力机制的CNN-LSTM模型及其应用.pdf第2页

试读结束, 可继续读1页

45积分/C币 立即下载