【摘 要】
：
针对现有的多变量时间序列预测方法不能适用于船舶多设备故障预测的问题,提出一种基于改进的循环神经网络和向量自回归的船舶设备故障预测方法。该方法既能够学习多个变量之
【机 构】
：
南京航空航天大学计算机科学与技术学院
论文部分内容阅读
针对现有的多变量时间序列预测方法不能适用于船舶多设备故障预测的问题,提出一种基于改进的循环神经网络和向量自回归的船舶设备故障预测方法。该方法既能够学习多个变量之间的相互依赖关系和时间序列的长期依赖关系,又有助于减轻传统神经网络对预测时间序列的输入尺度不敏感性。首先,从船舶历史数据库中提取出正常状态数据和故障状态数据,将其多变量时间序列转化为监督学习问题的输入;然后,通过注意力机制捕获船舶多变量之间复杂的相关性;接着,将注意力机制的输出同时作为循环神经网络和向量自回归的输入,分别捕获船舶时间信号的非线性关系
其他文献
为了提高Docker容器服务器集群的抗并发性和缩短平均响应时间,文中设计了一种动态负载容器服务器的算法DLOAD(Dynamic Loading Algorithm)。该算法在WRR负载算法的基础上引用
高性能互连网络是高性能计算机系统中各节点高速协同并行计算的关键。在高性能互连网络的运维过程中,由链路质量恶化引发的网络端口阻塞故障定位困难,一旦发生网络端口阻塞,
社交媒体时代的到来在加速信息流动的同时也为假消息的迅速传播提供了温床。假消息可能会对群众的认知产生严重的干扰,致使群众做出错误的决策,从而扰乱社会秩序,干扰政治选
我国目前的学术评价体制饱受诟病,因而构建公平、公正、公开的学术评价体制对营造良好的学术环境至关重要。近年来,学术论文公开评审网站OpenReview的出现给学术论文评价带来
为提高网络安全态势评估的准确率,提出了一种基于遗传优化概率神经网络的网络安全态势评估。首先,在网络安全态势评估建模过程中,根据网络安全态势特点和常见评估等级建立了
建立一个既能充分考虑目标表观表达的判别性、又能在后续的跟踪过程中保持特征的时间一致性的模型,是解决跟踪问题的关键。为了提高跟踪算法的特征表达判别性和解决跟踪过程中的特征时效性退化问题,文中提出了一种时间一致性保持的稀疏深度表达的跟踪方法。首先,利用不同卷积层上的特征有不同的属性来构建多任务的稀疏深度表达学习方法,充分挖掘多源信息的相关性。其次,利用相关帧的残差构建时间一致性约束正则项,以对跟踪过程
智能汽车的快速发展促使电磁兼容(Electromagnetic Compatibility, EMC)测试技术得以完善,同时也给车辆EMC设计带来了新的挑战,而面向测试数据的故障排查有利于车辆EMC的设计
对网络的形成机制、几何性质、演化规律以及网络结构分析、行为预测和控制的研究产生了复杂网络学科,其中关于复杂网络级联失效过程的研究一直受到研究人员的关注。文中提出
BCube是具有良好性能的数据中心网络。相比传统的树形数据中心网络,BCube在扩展和容错性能方面都表现出很大的优势。目前,对于BCube的研究可以归结为对其逻辑图BCn,k(广义超
形式概念分析作为知识发现的方法,在理论分析和实际应用中已经取得很多成果。随着三维数据的涌现,许多学者开始了对三元形式概念分析的研究。但是,目前该领域的研究和应用较