| 基于GBO-LSTM-Attention的器材消耗預測 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：1454 K | |
| 標簽： 梯度優化算法 長短期記憶網絡 注意力機制 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：器材消耗量預測是做好技術保障工作的前提和基礎，受各種因素影響較多。提出了一種長短期記憶網絡（LSTM）和注意力機制（Attention）相結合的器材消耗預測方法，發揮了LSTM和Attention在預測上的優勢，利用梯度優化算法對LSTM-Attention的參數beach_size、學習率、正則化參數、LSTM隱含層單元個數等進行優化，對模型進行測試，均方誤差(MSE)、平均絕對誤差(MAE)、平均相對誤差(MAPE)、決定系數分別為277 307.8、442.07、4.76%、98.55%，相對于LSTM-Attention模型，各項評估指標均有大幅度提升，證明模型具有更高的預測精度，對器材保障具有重要的意義。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2