| 基于GBO-LSTM-Attention的器材消耗预测 | |
| 所屬分類：技术论文 | |
| 上傳者：wwei | |
| 文檔大小：1454 K | |
| 標簽： 梯度优化算法 长短期记忆网络 注意力机制 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：器材消耗量预测是做好技术保障工作的前提和基础，受各种因素影响较多。提出了一种长短期记忆网络（LSTM）和注意力机制（Attention）相结合的器材消耗预测方法，发挥了LSTM和Attention在预测上的优势，利用梯度优化算法对LSTM-Attention的参数beach_size、学习率、正则化参数、LSTM隐含层单元个数等进行优化，对模型进行测试，均方误差(MSE)、平均绝对误差(MAE)、平均相对误差(MAPE)、决定系数分别为277 307.8、442.07、4.76%、98.55%，相对于LSTM-Attention模型，各项评估指标均有大幅度提升，证明模型具有更高的预测精度，对器材保障具有重要的意义。 | |
| 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