近年来，形状记忆合金（ shape memory alloy，SMA）由于噪声小、回复应变大和生物兼容性妤等优点，得到了广泛的使用和研究。为了研究SMA在软体机器人领域的应用，首先对SMA在国内外

新的解决方案。采用长短期记忆网络（ Long short- Term Memory，LSTM）来处理长距离的股票时序问题，构建了一个多类别特征体系作为长短期记忆网络的输入进行训练，包括常用技术指标、多种关键转折点特征

作为模型的初始化词向量。但是，随机词向量存在不具备语乂和语法信息的缺点;预训练词向量存在¨一词-乂”的缺点，无法为模型提供具备上下文依赖的词向量。针对该问题，提岀了一种基于预训练模型BERT和长短期记忆网络的深度学习

单独建模的问题，提岀了一种基于双向长短期记忆神经网络（ BILSTM的交互注意力神经网络模型（ BI-IAN）。该模型通过 BILSTM对目标和上下文分别进行建模，获得目标和上下文的隐藏表示，提取其中的语义信息。接下来利用交互注意模块

多运动模式行人航位推算算法采用零速校正消除累计误差，但零速校正错判会导致误差。针对该问题，提出一种基于长短时记忆网络的自适应零速检测算法。构建长短时记忆网络提取不同运动模式下零速区间的三轴加速度、三