2024年8月4日
星期日
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
吴治龙
作品数:
1
被引量:11
H指数:1
供职机构:
重庆邮电大学计算机科学与技术学院
更多>>
发文基金:
重庆市自然科学基金
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
何正义
重庆邮电大学计算机科学与技术学...
曾宪华
重庆邮电大学计算机科学与技术学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
时间序列
1篇
网络
1篇
可信网络
1篇
高斯
1篇
高斯过程
机构
1篇
重庆邮电大学
作者
1篇
曾宪华
1篇
吴治龙
1篇
何正义
传媒
1篇
山东大学学报...
年份
1篇
2016
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于集成深度学习的时间序列预测模型
被引量:11
2016年
基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief networks,DBN)模型来学习低维特征,利用低维特征对应训练多个GCRBM时序模型。预测时序时先通过训练出的一组DBN模型对目标数据进行降维并通过重建误差识别类别,然后通过识别到的类别所对应的GCRBM模型预测目标数据的后期时序。在CASIA-A步态数据集上的试验结果表明:本方法能够准确识别出步态序列,而且预测结果能够模拟出真实的步态序列,证实了本模型的有效性。
何正义
曾宪华
曲省卫
吴治龙
关键词:
时间序列
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张