lstm

xixixi777773 天前
人工智能·深度学习·大模型·lstm·transformer·智能·前沿
对 两种不同AI范式——Transformer 和 LSTM 进行解剖和对比这不仅仅是两个模型的比较，更是两种AI范式的对话。1. LSTM：门控的精密流动 LSTM像一个带有精密控制阀的水库系统，其核心在于 “门” 对信息流的调控：
斐夷所非4 天前
lstm
LSTM | 原理、时间序列预测与异常检测注：本文为 “LSTM” 相关合辑。 英文引文，机翻未校。 中文引文，略作重排。 如有内容异常，请看原文。
软件算法开发4 天前
深度学习·matlab·lstm·一维时间序列预测·改进麻雀优化·asfssa-lstm
基于改进麻雀优化的LSTM深度学习网络模型(ASFSSA-LSTM)的一维时间序列预测算法matlab仿真目录1.程序功能描述2.测试软件版本以及运行结果展示3.部分程序4.算法理论概述4.1改进麻雀搜索算法(ASFSSA)
Dev7z5 天前
lstm·集成学习融合·光伏发电功率预测
基于LSTM与集成学习融合的光伏发电功率预测系统设计与实现（MATLAB实现）摘要：随着光伏发电在电力系统中的占比不断提高，准确的功率预测对电网调度与能源管理具有重要意义。本文设计并实现了一套基于 MATLAB 的光伏发电功率短期预测系统，采用深度学习与集成学习融合的建模思路提升预测精度与稳定性。
一瞬祈望7 天前
rnn·深度学习·lstm
⭐ 深度学习入门体系（第 15 篇）: 从 RNN 到 LSTM：为什么深度网络需要“记忆能力”？卷积网络（CNN）擅长处理图片， Transformer 擅长处理大规模序列， 但在它们崛起之前，序列建模的老大哥其实是 RNN/LSTM。
墨北小七8 天前
人工智能·rnn·lstm
从记忆到创作：LSTM如何赋能智能小说生成> **摘要**：本文将深入探讨LSTM在小说创作领域的创新应用，从原理解析到实战代码，为您展示如何利用这一强大的时序模型开启AI写作新时代。
机器学习之心9 天前
cnn·lstm·transformer
Transformer-LSTM、Transformer、CNN-LSTM、LSTM、CNN五模型多变量分类预测Matlab实现该代码针对多特征分类问题，系统对比了五种深度学习模型（包括混合模型和单一模型）的性能，旨在为研究者或工程师提供一个快速评估不同模型在特定数据集上表现的自动化工具，适用于模型选型、性能对比与教学研究。
一只大侠的侠9 天前
人工智能·gru·lstm
【工业AI热榜】LSTM+GRU融合实战：设备故障预测准确率99.3%，附开源数据集与完整代码在智能制造迈向5万亿元规模的浪潮中，设备故障导致的年损失占比高达生产总值的5%-8%，传统维护模式难以应对"零停机"需求。本文聚焦工业实战场景，提出一种LSTM+GRU双向融合模型，通过互补长短时记忆特性与高效门控机制，解决多变量时序数据的故障特征捕捉难题。基于NASA电池老化与PHM轴承数据集的实验表明，该模型故障分类准确率达99.3%，剩余使用寿命（RUL）预测RMSE≤1.5，较单一模型性能提升12%-18%。全文配套完整Python+PyTorch代码与开源数据集，助力企业快速落地预测性维护，从被
hoiii18710 天前
神经网络·cnn·lstm
基于混合神经网络（CNN-LSTM）的电能扰动信号特征识别MATLAB实现基于混合神经网络（CNN-LSTM）的电能扰动信号特征识别MATLAB实现。这个方案包含信号生成、特征提取、神经网络建模和性能评估的全流程。
岁月的眸11 天前
rnn·gru·lstm
【基于循环神经网络（RNN/LSTM/GRU）算法做电池剩余寿命的思路和代码示例】下面给你一个**“基于循环神经网络（RNN/LSTM/GRU）做电池剩余寿命（RUL）预测”的可直接跑的代码示例**（PyTorch 版），包含：数据→滑动窗口→RNN 模型→训练→评估→推理。你把自己的电池序列特征（电压/电流/温度/容量等）塞进去就能用。
叫我：松哥11 天前
大数据·python·深度学习·机器学习·spark·flask·lstm
基于大数据和深度学习的智能空气质量监测与预测平台，采用Spark数据预处理，利用TensorFlow构建LSTM深度学习模型地区空气质量数据分析系统是一个基于大数据和深度学习的智能空气质量监测与预测平台。系统采用Apache Spark进行高效的大规模数据预处理，利用TensorFlow构建LSTM深度学习模型实现精准的AQI预测，通过Flask框架提供RESTful API服务，结合Bootstrap和ECharts打造直观的可视化界面。系统采用前后端分离架构，包含用户端和管理端两大模块，用户端面向公众提供实时空气质量查询和历史趋势分析，管理端面向管理员提供数据管理、模型训练和系统配置功能。系统基于SQLite实现轻量化数据
云雾J视界12 天前
人工智能·物联网·ai·lstm·iot·scada·金风科技
AI+IoT双轮驱动：构建风电设备预测性维护数字孪生体的全栈技术实践凌晨三点，内蒙古某大型风电场运维主管王工接到SCADA系统告警：“#23风机异常停机”。他迅速调取振动频谱图，却发现数据杂乱无章——是主轴承即将失效？还是传感器松动导致误报？抑或只是电网波动引发的瞬时保护动作？在缺乏有效预测手段的情况下，团队只能连夜驱车百公里进行“地毯式”排查。这样的场景，在中国乃至全球风电行业屡见不鲜。
Hcoco_me12 天前
人工智能·rnn·深度学习·lstm·transformer
大模型面试题42：从小白视角递进讲解大模型训练的重计算重计算是大模型训练的核心内存优化技术，本质是以时间换空间的策略。我们从「为什么需要它」到「核心特性」再到「进阶玩法」，一步步讲清楚。
Hcoco_me13 天前
人工智能·深度学习·lstm·transformer·word2vec
大模型面试题45：从小白视角递进讲解DeepSeek V3的MLA机制在MLA出现前，我们学过的MHA（多头）、GQA（分组）已经解决了注意力的「效果-效率」平衡问题，但面对DeepSeek V3要支持的256k超长序列和「千亿参数大模型」，仍有两个小白能懂的核心痛点：
MarkHD13 天前
人工智能·rnn·lstm
智能体在车联网中的应用：第41天 车联网轨迹预测核心技术：从Social-LSTM到VectorNet的演进与深度解析在自动驾驶与车联网（V2X）构成的复杂交通生态中，准确预测周边车辆、行人等交通参与者的未来轨迹，是确保行车安全、实现高效协同决策的基石。轨迹预测不仅需要理解单个目标的运动规律，更需要建模目标之间以及目标与环境之间的复杂交互。这是一个典型的时空序列预测问题，充满了不确定性和动态性。
Hcoco_me14 天前
人工智能·深度学习·lstm·transformer·word2vec
大模型面试题40：结合RoPE位置编码、优秀位置编码的核心特性想象你在看一本没有标点、没有段落的书：AI的“大脑”（Transformer模型）天生没有“顺序感”——它处理文字时，每个字都是一个向量，默认不知道谁在前、谁在后。
果粒蹬i15 天前
rnn·matlab·lstm
MATLAB全流程对比RNN/LSTM/GRU时间序列预测性能在大数据与人工智能时代，时间序列预测已成为金融风控、能源调度、气象预报等领域的核心技术支撑。从股票价格波动到电力负荷峰值预测，从气温变化趋势到设备故障预警，精准的时间序列预测能为决策提供关键依据。而在众多预测模型中，循环神经网络（RNN）及其改进模型长短期记忆网络（LSTM）、门控循环单元（GRU）凭借对时序依赖关系的捕捉能力，成为该领域的主流选择。 但问题来了：同样是处理时间序列数据，RNN、LSTM、GRU到底该怎么选？它们的预测精度、训练效率、适用场景有何差异？不少开发者和研究者在实际项目中都会陷入
Hcoco_me15 天前
人工智能·rnn·深度学习·自然语言处理·lstm·transformer·word2vec
大模型面试题36：Transformer中的残差连接处理方式与作用我们用 “抄近路保留原始信息” 的生活化比喻讲透核心逻辑，再逐步拆解它在Transformer中的具体处理流程、数学原理和关键作用。
Hcoco_me15 天前
人工智能·rnn·深度学习·lstm·word2vec
大模型面试题30：Padding 的 mask 操作想象你在学校交作业，老师要求每个人都交 5 页纸。在深度学习里：回到交作业的例子：在模型里：mask 操作就像给老师一个**“忽略清单”**：