资料下载
×
端到端深度学习神经网络模型BiGRU-FCN
消耗积分:0 |
格式:pdf |
大小:4.86 MB |
2021-06-11
分享资料个
时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点，当前大多数分类方法需要经过复杂的数据处理或特征工程，未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网络中的双向门控循环单元，提岀了一个新的端对端深度学习神经网络模型 BIGRU-FCN，不需要对数据进行复杂的预处理，并且通过不同的网络运算来获取多种特征信息，如卷积神经网络在时序信息上的空间特征以及双向循环神经网络在序列上的双向时序依赖特征，对单维时间序列进行分类。在大量的基准数据集上对模型进行实验与评估，实验结果表明，与现有的多种方法相比，所提出的模型具有更高的准确率，具有很好的分类效果。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
