【摘 要】
：
随着大数据时代的到来,数据呈现体量急剧增大、类型日趋复杂以及价值密度降低的新特征。但对数据处理性能的要求却没降低,如何对它进行预测分析是近年来研究的热点。目前主要的时序预测方法分为基于平稳性假设的传统线性预测模型,但多数实际数据是非线性的。以及人工神经网络方法,虽然可以更有效的处理非线性数据,但是其通用性比较差。本文针对目前很多深度学习方法对小样本周期性较弱的时序数据进行预测时无法总能找到最优的网
论文部分内容阅读
随着大数据时代的到来,数据呈现体量急剧增大、类型日趋复杂以及价值密度降低的新特征。但对数据处理性能的要求却没降低,如何对它进行预测分析是近年来研究的热点。目前主要的时序预测方法分为基于平稳性假设的传统线性预测模型,但多数实际数据是非线性的。以及人工神经网络方法,虽然可以更有效的处理非线性数据,但是其通用性比较差。本文针对目前很多深度学习方法对小样本周期性较弱的时序数据进行预测时无法总能找到最优的网络参数,准确率不够高的问题,提出了一种新的带有强化学习的门控循环单元神经网络GRURL。该网络将门控循环单元与强化学习相结合,利用强化学习中的奖励机制,在进行预测的同时将网络参数自动调整到最佳状态。同时在数据预处理、过拟合问题的解决、梯度优化方法上找到最适合GRURL模型的方案。将GRURL模型与BP网络、LSTM网络、一般的GRU网络进行对比,观察性能是否提升,并对各自预测的误差进行评估。以小样本周期性弱的汽车销量数据为例,实验结果表明:改进的GRURL网络相比BP,LSTM,GRU网络预测误差降低,更适合对这种数据进行预测。同时也使用了某A股时序数据进行拓展性实验,验证这种网络的普适性。最后考虑到目前多数神经网络模型都是在IDE上进行构建和训练,除了编写人员本人外,其他人很难直接使用,因此设计并实现了一个可视化的前后端系统,使用了tfjs-vis作为前端显示系统功能,tensorflow.js框架作为后端封装训练好的模型实现类似java web的功能。
其他文献
三国,一个太多精彩人物出现的时代。因为这些风度卓然的人物,三国就成为了永恒的话题。司马氏家族能在这英雄辈出的时代,以晋代魏,不是偶然。这个家族最杰出的人物、西晋王朝的真正奠基者司马懿到底是怎样的一个人?称自己为魏晋"贞士"的司马孚在这历史旋涡中是怎样挣扎的?戴着代魏和平吴大业光环的司马衷是否有着祖辈的文才武略?本期特别关注,诚邀三位专家,带我们一起走进"司马懿与他的家族"。
语义分割在图像的解释中起着重要的作用,对图像分析任务至关重要。语义分割是一样集分类、识别和定位于一体的任务。分类是指为每幅图像指定一个类别;检测是指对目标的定位和识别;而图像分割可以被视为像素级预测,因为它要将每个像素分类到其所属类别中。语义分割曾经也有很多基于图像处理和机器学习的方法,大部分都着眼于手工设计的技术来独立地识别每个像素点。在传统的方法中,随机森林和Boosting是最有效的策略。这
随着互联网技术的不断发展,互联网用户数量急速增长。由于大量的网络服务都需要对用户进行精准定位,因此IP地址定位技术的研究越发重要。IP地址定位,即根据网络设备的IP地址确定其在地理上的位置,通常通过查询已有的IP地址库,或利用IP地址定位算法来实现。目前,国内已有的IP地址库数据质量参差不齐,并且大多存在定位精度低、偏差大的问题。另一方面,传统的IP地址定位算法定位准确度低,模型复杂度高,也难以投
三维目标检测是自动驾驶领域中的一项关键技术,能够在三维空间上实现对目标的定位与识别。使用单一的点云或图像数据进行三维目标检测有其局限性,许多研究者因此尝试使用多模态的数据来改善检测效果。本文基于深度学习理论,对使用激光雷达点云和图像的多数据源三维目标检测方法展开了研究。本文主要研究工作与创新之处如下:1)分析了三维目标检测中的关键技术与主要流程,针对使用多模态数据的检测方法进行了研究,设计了一种检
工业物联网旨在通过工业资源共享、数据互通和系统互操作,最终实现将传统工业提升到智能化的新阶段。然而,工业物联网中智能终端设备的安全问题却成为了制约工业物联网发展的痼疾。远程证明技术让一个可信验证方通过远程通信验证设备的运行情况,从而及时发现被恶意攻击的设备,成为保障工业物联网设备安全性的一种有效方法。然而,目前主流的安全证明方案都以静态防护为主,这类方案只能保证程序代码的完整性,无法抵御那些只改变
基于Web的在线交互式应用是云计算领域广泛存在的一种应用,为Web应用设计高效的云资源动态调度方法是研究热点之一。本文主要针对单层Web应用设计基于按需实例和竞价实例的异构云资源动态调度方法,在满足用户响应时间约束的前提下最小化资源租赁成本。现有的容错模型提供了异构云资源动态调度的基础框架,但忽略了竞价实例的价格变化,不能保证租赁期内竞价资源的稳定性和低成本,且采用基于资源预留的直接估计方法估计系
随着互联网技术的飞速发展,网络已成为人类生活不可或缺的活动空间。网络服务和应用层出不穷,致使网络流量数据规模迅速增大。因此,如何快速准确地识别流量类型和过滤某些恶意流量,从而避免高速网络拥塞问题以及确保关键业务的服务质量,对网络资源分配、服务质量保障、入侵检测等研究领域有重要参考和实践价值。随着私有协议或加密协议等新型业务的广泛应用,传统流量识别方法已经难以满足性能要求,尤其不能解决匿名和恶意流量
近几年创客教育的呼声愈来愈高,无论是校内对STEAM课程的重视,还是校外家长对学生创新意识的培养,都离不开相应的课程与教具,而教育机器人是目前应用比较广泛,与学生互动性较强的一类产品。本文针对教育机器人这一产品,以价值共创理念为指导,将价值共创运用到产品交互设计中,提升教育机器人的易学性、可玩性、互动性,让所有服务人群参与到设计流程中来。力求为创客教育提供满意的教育机器人产品,为创客教育产品提供设
借助移动云计算技术,移动设备上的复杂应用可划分为多个部分并分配至自身和多个服务端设备运行,以解决移动设备资源不足的问题。任务调度作为移动云计算中一个关键过程,其最终目标是减少移动应用的执行时间和能耗,进而保证移动云计算的服务质量。本文围绕移动云复杂网络环境中的任务调度问题展开研究。本文针对移动云复杂网络环境的特点,综合考虑移动云复杂网络环境带来的约束,构建了任务调度的数学模型。使用基于有向无环图的
随着云计算的广泛运用,云编排缺乏可移植性的问题得到了越来越多的关注。云应用拓扑编排规范（Topology and Orchestration Specification for Cloud Applications,简称TOSCA）的提出提高了云编排的移植性与复用性,降低了云应用的移植开销。但基于TOSCA的不同平台的部署存在差异,且应用越复杂部署设计出错的可能性越高,因此需要对部署过程进行验证。