作者:梁志剑; 谢红宇; 安卫钢 期刊:《计算机工程与设计》 2020年第02期
针对传统的循环神经网络模型在处理长期依赖问题时面临着梯度爆炸或者梯度消失的问题,且参数多训练模型时间长,提出一种基于双向GRU神经网络和贝叶斯分类器的文本分类方法。利用双向GRU神经网络提取文本特征,通过TF-IDF算法权重赋值,采用贝叶斯分类器判别分类,改进单向GRU对后文依赖性不足的缺点,减少参数,缩短模型的训练时间,提高文本分类效率。在两类文本数据上进行对比仿真实验,实验结果表明,该分类算法与传统的循环神经网络相...
作者:张彤; 徐晓钟; 王晓霞; 杨超 期刊:《计算机系统应用》 2019年第06期
针对燃气负荷数据非线性、非平稳性的特点,本文提出一种基于改进的LMD算法与GRU神经网络的组合预测模型.模型首先利用改进后的LMD算法对燃气负荷数据进行序列分解,改进的LMD方法采用分段牛顿插值法代替传统的滑动平均值法来获得局部均值函数和包络估计函数,改善了传统LMD方法存在的过平滑问题.之后,再将得到的若干PF分量进行小波阈值去噪处理,获得有效的分量数据.最后,利用GRU神经网络分别预测各分量值,将它们相加得到最终的负荷预...
作者:余培; 行鸿彦; 刘刚 期刊:《电子测量与仪器学报》 2018年第12期
为了解决深度学习网络文本情感分类预测时间长的问题,将GRU神经网络引入了文本情感分类中,提出了基于GRU神经网络的中文评论情感分析方法。利用Word2Vec训练出语料中词语的向量并表示作为低维度的特征向量。由GRU神经网络模型进行训练和预测。与其他深度学习神经网络模型比较,其训练预测时间有了较大提高。实验结果表明,Word2Vec和GRU神经网络模型分类预测的精度与目前主流深度学习方法所获得精度相当,但在训练测试速度上有着显著...
针对基于传统机器学习算法SVM、C4.5、NN等的入侵检测方法不能有效处理SCADA系统中大量、高纬度、时序性强网络流量数据的问题,提出基于Adam优化GRU神经网络的入侵检测方法。利用GRU神经网络的深层结构能够对数据特征进行充分学习,通过更新门和重置门保存数据在时间维度上的信息,使用Adam算法优化神经网络的梯度训练过程,在工控安全标准数据集上与基于SVM、C4.5、NN、RNN和LSTM等机器学习算法的入侵检测方法进行对比实验。结果表明...