-
公开(公告)号：CN107769972A
公开(公告)日：2018-03-06
申请号：CN201711010115.9
申请日：2017-10-25
Applicant: 武汉大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于改进的LSTM的电力通信网设备故障预测方法。本发明首先提出了数据预处理和构建时序输入的方法。LSTM相比简单的循环神经网络，更易于学习长期的依赖，能够很好的解决序列相关的预测问题。因为设备告警之间存在很强的关联性，通过PCA能够确保变量之间的独立性。本发明还使用目标复制的策略对LSTM进行改进，在时序每一步中都可以带来局部的误差信息，相比简单的只在最后一步进行目标输出，该策略能够提升模型的精度，降低过拟合的风险。结合dropout，本发明提出LSTM的预测模型，深度学习能够取得更好的预测精度。同时，本发明首次使用了LSTM对电力通信网告警数据进行建模，识别其内部的时序模式。
Search Results
41
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
