导读:本文包含了门控网络论文开题报告文献综述及选题提纲参考文献，主要关键词:滚动轴承,故障诊断,卷积网络,门控循环单元
门控网络论文文献综述
杨平,苏燕辰[1]（2019）在《基于卷积门控循环网络的滚动轴承故障诊断》一文中研究指出针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重迭下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。(本文来源于《航空动力学报》期刊2019年11期）
刘松,彭勇,邵毅明,宋乾坤[2]（2019）在《基于门控递归单元神经网络的高速公路行程时间预测》一文中研究指出为了更高效地预测高速公路行程时间,以高速公路行程时间为研究对象,通过采集车辆在高速公路进出口收费站的刷卡数据获取行程时间,利用门控递归单元神经网络对行程时间进行预测.按照所设计的预测流程,利用广州市机场高速南线高速公路收费数据进行验证,结果显示,预测拟合效果较好,并与LSTM神经网路和BP神经网络进行了对比分析.结果表明:门控递归单元神经网络具有更好的预测准确度.(本文来源于《应用数学和力学》期刊2019年11期）
魏海文,郭业才[3]（2019）在《门控递归单元神经网络坐标变换盲均衡算法》一文中研究指出针对数字信号传输过程中的码间干扰问题,提出了门控递归单元神经网络坐标变换盲均衡算法(GRUNN-CT-CMA).首先,在递归神经网络基础上加入门控结构,使门控递归单元神经网络(GRUNN)对长时间跨度信息的感知能力更强、记忆力更持久.其次,在GRUNN中引入坐标变换得到的盲均衡算法,进一步降低了稳态误差、加快了代价函数收敛速度.结果表明,与常模盲均衡算法(CMA)和延迟单元递归神经网络盲均衡算法(BRNN-CMA)相比,GRUNN-CT-CMA在均衡高阶多模信号时,稳态误差最小、收敛速度最快、输出信号星座图最清晰.(本文来源于《微电子学与计算机》期刊2019年09期）
孙承爱,赵瑞,田刚[4]（2019）在《基于Aspect带有CNN注意力机制的门控卷积网络与情感分析》一文中研究指出基于Aspect的情感分析(ABSA)是一个细粒度的任务,由于它可以比一般的情感分析提供更详细的信息与数据,所以近年来他备受瞩目。它的主要任务是判断或预测句子在给定的场景中某些方面的情感极性。所以实体关注点的不同,就决定了一个句子的情绪极性的不同。例如,"这个笔记本电脑的性能很好,但是价格很高。",性能和价格就是两个关注点。因此,有必要进一步探讨目标实体关注点与句子内容之间的联系。为此,启发的在GatedTanh-ReLU单元的基础上进行改进,提出了一个新颖的基于卷积神经网络带有注意力机制的门控机制模型。一方面,它具有叁重新型门控机制,进行了叁次Gated Tanh-ReLU单元的循环使用;其次,在模型最后再进行一次GRU和注意力机制,进行更好的筛选,最终总结为即基于Aspect的带有注意力机制的门控卷积网络(AGACE)模型。结果表明,(AGACE)模型在ACSA方面测试集上为86.77%、76.45%,在ATSA方面也有76.27%,73.27%。Semeval-2014数据集上的实验表明AGACE模型在基于Aspect情感分类方面具有更好的性能,能够提高识别结果准确度与识别效率。(本文来源于《软件》期刊2019年07期）
王体爽,李培峰,朱巧明[5]（2019）在《基于门控记忆网络的汉语篇章主次关系识别方法》一文中研究指出篇章分析是自然语言理解的基础。作为篇章分析的重要任务之一,汉语主次关系识别还处于探索阶段。该文提出了一种基于门控记忆网络(GMN)的汉语篇章主次关系识别方法。该方法首先使用Bi-LSTM和CNN分别获取每个篇章单元的全局信息和局部信息。然后,融合两部分篇章单元信息并从中计算得到一个门控单元。最后,使用这个门控单元捕获各个篇章单元相对于篇章整体来说相对重要的特征表示,从而识别出核心篇章单元。在Chinese Discourse Treebank(CDTB)语料库上的实验显示,和最好的基准系统相比,该文的方法在宏平均F1、微平均F1值上均得到了提高。(本文来源于《中文信息学报》期刊2019年05期）
赵建鹏,张爱军,蔡程飞,苏印红[6]（2019）在《基于门控循环网络的海浪波倾角预测研究》一文中研究指出海浪的波倾角是一种非线性随机时间序列,对于舰载机的起降和舰载稳定平台的控制具有重要的指导意义。传统的时间序列预测方法诸如自回归滑动平均预测、神经网络预测法等,有时无法提供较高的精度。因此,提出一种基于门控循环网络的海浪模型时间序列预测法。结果表明,在平均绝对百分比误差上分别比BP神经网络、循环神经网络(RNN)、长短期记忆网络(LSTM)下降了85.0%、80.3%、34.4%;在均方根误差上分别下降了27.1%、37.7%和7.5%。与传统方法相比,门控循环网络在处理长依赖时间序列上更有优势,预测精度更高。(本文来源于《国外电子测量技术》期刊2019年05期）
徐高扬,郑海涛,黄国庆,吴凤波[7]（2019）在《基于门控单元循环神经网络的台风路径预测》一文中研究指出传统的神经网络结构不能很好地处理序列问题。通过对历史台风数据库中的台风分类,提出基于门控单元网络的台风路径预测模型。利用历史台风的经纬度信息,分别用普通循环神经网络、长短时记忆网络和门控单元网络预测台风未来6小时位置信息。实验表明,在测试集上门控单元网络具有最小的平均绝对误差,能够有效提高路径预测精度,与稀疏循环神经网络预测方法相比,有更小的平均绝对误差。(本文来源于《计算机应用与软件》期刊2019年05期）
张金磊,罗玉玲,付强[8]（2019）在《基于门控循环单元神经网络的金融时间序列预测》一文中研究指出针对循环神经网络(recurrent neural networks,RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit,GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(S&P)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年02期）
赵彤,刘洁瑜,沈强[9]（2019）在《一种改进的多门控特征金字塔网络》一文中研究指出特征金字塔网络(FPN)在融合不同尺度特征图时采用上采样和相加的方法,然而经过上采样的特征图的空间层级化信息丢失严重,简单地进行相加必然引入一定的误差。同时,FPN结构的深层特征信息前向传递性较差,其对更浅层的辅助效果基本消失。对此,结合长短时记忆(LSTM)网络在处理上下文信息上的优势对FPN结构进行改进,在不同深度的特征层之间建立一条自上而下的记忆链接,建立多门控结构对记忆链上的信息进行过滤和融合以产生表征能力更强的高级语义特征图。最后,将改进的FPN结构加入到SSD(Single Shot MultiBox Detector)算法框架中,提出新的特征融合网络——MSSD(Memory SSD),并在Pascal VOC 2007数据集上进行验证。实验表明,该改进取得了较好的测试结果,相比于目前较先进的检测算法也有一定的优势。(本文来源于《光学学报》期刊2019年08期）
袁文浩,娄迎曦,夏斌,孙文珠[10]（2019）在《基于卷积门控循环神经网络的语音增强方法》一文中研究指出为了进一步提高基于深度神经网络的语音增强方法的性能,针对单独使用卷积神经网络难以对含噪语音中的长期依赖关系进行建模的问题,提出一种基于卷积门控循环神经网络的语音增强方法.该方法首先采用卷积神经网络提取含噪语音中的局部特征,然后采用门控循环神经网络将含噪语音中不同时间段的局部特征进行关联,通过结合两种网络的不同特性,在语音增强中更好地利用含噪语音中的上下文信息.实验结果表明:该方法能够有效提高未知噪声条件下的语音增强性能,增强后的语音具有更好的语音质量和可懂度.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年04期）
门控网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了更高效地预测高速公路行程时间,以高速公路行程时间为研究对象,通过采集车辆在高速公路进出口收费站的刷卡数据获取行程时间,利用门控递归单元神经网络对行程时间进行预测.按照所设计的预测流程,利用广州市机场高速南线高速公路收费数据进行验证,结果显示,预测拟合效果较好,并与LSTM神经网路和BP神经网络进行了对比分析.结果表明:门控递归单元神经网络具有更好的预测准确度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
门控网络论文参考文献
[1].杨平,苏燕辰.基于卷积门控循环网络的滚动轴承故障诊断[J].航空动力学报.2019
[2].刘松,彭勇,邵毅明,宋乾坤.基于门控递归单元神经网络的高速公路行程时间预测[J].应用数学和力学.2019
[3].魏海文,郭业才.门控递归单元神经网络坐标变换盲均衡算法[J].微电子学与计算机.2019
[4].孙承爱,赵瑞,田刚.基于Aspect带有CNN注意力机制的门控卷积网络与情感分析[J].软件.2019
[5].王体爽,李培峰,朱巧明.基于门控记忆网络的汉语篇章主次关系识别方法[J].中文信息学报.2019
[6].赵建鹏,张爱军,蔡程飞,苏印红.基于门控循环网络的海浪波倾角预测研究[J].国外电子测量技术.2019
[7].徐高扬,郑海涛,黄国庆,吴凤波.基于门控单元循环神经网络的台风路径预测[J].计算机应用与软件.2019
[8].张金磊,罗玉玲,付强.基于门控循环单元神经网络的金融时间序列预测[J].广西师范大学学报(自然科学版).2019
[9].赵彤,刘洁瑜,沈强.一种改进的多门控特征金字塔网络[J].光学学报.2019
[10].袁文浩,娄迎曦,夏斌,孙文珠.基于卷积门控循环神经网络的语音增强方法[J].华中科技大学学报(自然科学版).2019