基于CNN-STA-DLSTM模型的間歇過程質(zhì)量預(yù)測(cè)
電子測(cè)量與儀器學(xué)報(bào)
頁(yè)數(shù)： 14 2024-11-11
摘要： 對(duì)于間歇過程變量深層特征提取困難，以及變量的時(shí)序性、非線性、動(dòng)態(tài)特性所導(dǎo)致質(zhì)量預(yù)測(cè)精度不高的問題，提出了一種基于卷積-時(shí)空注意力的雙層長(zhǎng)短期神經(jīng)網(wǎng)絡(luò)(convolutional neural networks spatial and temporal attention with double long short term memory networks, CNN-STA-D... （共14頁(yè)）
APP 