- 年份
- 2024(4322)
- 2023(6232)
- 2022(5317)
- 2021(5085)
- 2020(4317)
- 2019(9955)
- 2018(9733)
- 2017(19309)
- 2016(9880)
- 2015(10983)
- 2014(10519)
- 2013(9971)
- 2012(8705)
- 2011(7416)
- 2010(6750)
- 2009(5684)
- 2008(4930)
- 2007(3600)
- 2006(2502)
- 2005(1633)
- 学科
- 济(39760)
- 经济(39725)
- 管理(29030)
- 业(27899)
- 方法(24093)
- 企(23447)
- 企业(23447)
- 数学(22361)
- 数学方法(22020)
- 财(10698)
- 农(9520)
- 中国(8367)
- 业经(7855)
- 务(7418)
- 财务(7385)
- 财务管理(7369)
- 企业财务(7028)
- 贸(6889)
- 贸易(6888)
- 易(6743)
- 技术(6632)
- 农业(6397)
- 地方(6189)
- 环境(5907)
- 和(5488)
- 理论(5340)
- 划(5209)
- 学(5185)
- 制(5132)
- 融(4472)
- 机构
- 学院(124830)
- 大学(124542)
- 管理(56293)
- 济(54286)
- 经济(53524)
- 理学(50717)
- 理学院(50312)
- 管理学(49473)
- 管理学院(49232)
- 研究(32879)
- 中国(24214)
- 京(23034)
- 财(22937)
- 财经(19861)
- 科学(18770)
- 经(18446)
- 业大(18116)
- 经济学(17457)
- 中心(17360)
- 经济学院(16064)
- 农(15645)
- 经济管理(15444)
- 江(15369)
- 财经大学(15354)
- 商学(14962)
- 商学院(14835)
- 范(14124)
- 师范(13975)
- 所(13018)
- 北京(12969)
- 基金
- 项目(99006)
- 科学(80769)
- 基金(75662)
- 研究(72293)
- 家(64972)
- 国家(64489)
- 科学基金(58199)
- 社会(48613)
- 社会科(46355)
- 社会科学(46345)
- 基金项目(40802)
- 自然(38239)
- 省(38033)
- 自然科(37446)
- 自然科学(37438)
- 自然科学基金(36756)
- 教育(34052)
- 划(31873)
- 资助(30040)
- 编号(28247)
- 部(22818)
- 重点(21826)
- 创(21798)
- 国家社会(21016)
- 发(20655)
- 教育部(20461)
- 创新(20373)
- 人文(20247)
- 成果(20000)
- 科研(19816)
共检索到153343条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 清华大学学报(自然科学版)
[作者]
张雪英 牛溥华 高帆
基于深度神经网络(deep neural network,DNN)的语音活动性检测(voice activity detection,VAD)忽略了声学特征在时间上的相关性,在带噪环境下性能会明显下降。该文提出了一种基于深度神经网络和长短时记忆单元(long-short term memory,LSTM)的混合网络结构应用于VAD问题。进一步对语音帧的动态信息加以分析利用,同时结合DNN-LSTM结构使用一种基于上下文信息的代价函数用于网络训练。实验语料基于TIDIGITS语音库,使用Noisex-92噪
[期刊] 价格理论与实践
[作者]
沈蕾 罗梦丝
科学预测碳排放权交易价格对我国碳排放市场建设以及“双碳”目标实现具有重要意义。本文在综合考虑能源价格、气候环境、国际碳排放权交易市场以及工业发展水平等多种影响因素后，引入LSTM算法对碳排放权交易价格进行多因素预测，并将实证结果与单因素预测相对照，实证结果发现：多因素预测比单一因素预测更加精准，能够有效地预测未来短期碳排放权交易价格的趋势与波动，为市场参与者的交易策略提供参考依据，发挥其价格信号功能，从而进一步推进我国碳排放交易市场的发展与稳定。
[期刊] 实验技术与管理
[作者]
陈思羽 徐爱迪 王贞旭 于添 宋婉欣 乔睿 吴文福
为减少储粮损失和虫霉等的发生，该文利用自制试验仓及检测系统检测储藏玉米籽粒不同位置的粮温，分析粮堆温度变化及整个粮堆热量的传递过程。试验结果表明，仓外环境温度对粮温影响较大，仓内粮食温度变化与仓外环境温度变化相比较为滞后，粮堆第一层2号位置温度在检测周期中一直处于较低状态，温度最高位置出现在第四层12号位置。基于粮堆温度变化分析，该文开展了基于长短时记忆网络（LSTM）算法的玉米籽粒储藏粮温预测研究。结果表明：(1)对比预测值与试验值可知，粮堆第一、二、三、四层测试集的粮温准确率分别为0.62、0.89、0.83、0.79；(2)位于粮堆第二层和第三层的预测结果精度较高，试验仓粮堆底层和顶层温度易受环境温度影响，粮堆热量交换速度快，温度变化迅速，导致第一层和第四层预测结果精度偏低。该研究可为粮食储藏温度预测研究提供新思路。
关键词：
玉米籽粒 储藏 LSTM算法 温度预测
[期刊] 经济师
[作者]
王宏利 边帅 孙全亮 吕震宇
准确预测高校高考录取分数对高考志愿填报具有重要意义。文章使用线上百分位作为录取测度,构建了用于预测高校高考录取分数的长短时记忆网络,使用前4年的平均录取百分位和最低录取百分位作为输入,预测得到第5年最低录取分数。在河北本科一批理科2010至2017年各高校录取分数据集上的测试结果表明,基于LSTM方法的预测结果大幅优于传统平均排位法。
[期刊] 统计与决策
[作者]
邸浩 赵学军 张自力
文章将总体经验模态分解(EEMD)方法、长短期记忆(LSTM)模型和Adaboost算法相结合,构建了一个多尺度组合预测模型(EMD-LSTM-Adaboost)。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量(IMF)和一个趋势项。在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值。并以沪金为例进行实证分析,结果表明与已有的预测方法相比,文章所提出的EEMD-LSTM-Adaboost方法预测能力更好。
[期刊] 价格理论与实践
[作者]
彭放 祁亚茹 任俊达 程火兰
工业增加值在经济中起着举重若轻的作用,其有效的现时预测有助于及时分析宏观经济走向。电力数据与经济生活密切相关,对经济预测有着重要作用。实时可得的电力数据使得工业增加值的现时预测成为可能。本文基于LSTM模型,研究如何有效利用电力大数据现时预测工业增加值。结果表明:LSTM与ARIMA模型结合、电力大数据和经济统计数据结合可得到最佳的预测效果;工业增加值现时预测中电力大数据与经济统计数据互补,两类数据结合的效果优于仅用某一类数据;电力大数据当期信息有助于提高预测效果;移动窗口整体表现比累积窗口好,这表明经济系统可能在不断变化。
[期刊] 统计与决策
[作者]
次必聪 张品一
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表，以非线性组合的方式，构造了一种新的ARIMA-LSTM组合模型，对三种金融时间序列进行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
[期刊] 新金融
[作者]
陈学彬 武靖 徐明东
中国债券市场近年来在快速发展的同时也积累了大量风险,并自2017年起债券违约事件频发且增速居高,如何利用大数据和深度学习方法分析预测债券违约风险对中国债券市场稳定健康发展具有重要意义。本文提出了基于混合治疗分析范式和多任务机器学习框架的长短期记忆神经网络综合违约风险分析方法,首先基于混合治疗分析方法构建由违约状态判别和违约时间估计两个模块构成综合违约模型,违约状态判别模块设定为长短期记忆神经网络模型,违约时间估计模块设定为多任务长短期神经网络模型,以改进标准混合治疗分析对数据非线性分析能力不足以及违约时间估计部分违约风险等比变化等不合理假设。通过实验结果发现综合违约模型在预测区分性和时间预测性方面优于对照模型,能够以较高的时效性预测揭示风险并且较好地体现债券违约风险演变的个体差异性。同时发现市场、行业、地域以及宏观因素是影响本文信用债违约风险样本外预测能力的主要因素,财务因素能够较好地解释样本内数据表现,但其样本外的预测能力相对市场、行业、地域以及宏观因素较弱。
[期刊] 物流技术
[作者]
陈斌 方海英 周继来 许仁杰 周鹏 杨文静 赵维晞 潘楠
原烟作为一种高价值生产原料，在养护过程中需要对仓储堆垛内部的温度变化进行严格的监控和预测，以降低火灾发生导致巨额经济损失的风险。基于粒子群算法的混合长短记忆模型（PSO-SOM-LSTM），首先对数据进行预处理，将数据归一化再采用SOM聚类分别构建各类数据集；其次构建LSTM神经网络结构，输入训练数据进行训练；随后，基于PSO算法优化SOM-LSTM的网络权重，带入神经网络进行数据预测，并与四种不同的预测方法进行对比，证明了PSO-SOM-LSTM算法的优越性；最后通过均方根误差（RMSE）等指标来衡量实验结果，计算出均方根误差为0.043 5左右。实验结果表明，在RMS指标下，PSO-SOM-LSTM比SOM-LSTM减少了2.46%，比单一神经网络减少了8.94%，具有较优的预测效果。该算法可以实现较为精确的原烟仓储堆垛内部温度预测。
[期刊] 林业科学
[作者]
宋维 高超 赵玥 赵燕东
【目的】研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性。【方法】选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果。基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后期处理的方法:从缺失数据的正向和反向进行预测,将2个方向的预测值各自乘以一组按照预测时刻递减的权重值并相加,结合2个预测方向的优势,进一步提高预测准确度。【结果】3种方法中,RNN与LSTM神经网络方法较传统的插值方法优势明显:插值方法准确度在缺失值增多时迅速下降;神经网络方法下降速度较慢。当填补值与真实值误差在2%以内作为准确时,插值方法的填补准确率不足50%,RNN方法达到50%且不足60%,LSTM方法达到80%以上;当填补值与真实值误差在4%以内作为准确时,插值方法填补准确率为60%,RNN方法准确度最高达到90%,LSTM方法准确率在95%以上。在此基础上加入权重处理,对LSTM预测结果处理后误差在2%以内准确率达到97%,误差在3%以内准确率达到100%。选取一组测试数据代入模型,预测结果比训练数据预测结果精度有所下降,但双向预测方式优势更加明显。【结论】采用基于LSTM模型的双向综合预测法,可显著减小长期预测中的累计误差对预测结果的影响,提升了预测数据的准确度。与其他两类数据填补方法相比,基于LSTM神经网络的数据填补方法在长期缺失的时间序列数据填补上有较大优势。
[期刊] 情报理论与实践
[作者]
颜端武 杨雄飞 李铁军
[目的/意义]从产品评论数据挖掘角度出发,研究多层次、细粒度评论倾向性分析问题,为企业提供更全面的产品改善意见。[方法/过程]提出一种基于产品特征树和LSTM模型的产品评论情感分析方法。该方法结合行业产品特点和依存句法分析结果,通过特征类别、层级和特征表述词构建产品特征树;在此基础上,根据用户评论分句及其所包含的产品特征词汇,运用深度学习LSTM模型进行评论分句情感识别和产品特征情感分布计算。[结果/结论]利用真实汽车产品评论数据集进行试验检验,结果表明该方法情感分类准确率高,可实现面向产品特征层级的多粒度情感分布测算。[局限]产品特征树构建需要人工参与,方法模型的普适性有待进一步检验。
[期刊] 南方金融
[作者]
邸浩 赵学军 张自力
由于商品期货具有与传统金融资产相关性较低、可多空并举的特性,因此,商品期货投资策略研究受到投资理论和实务界的广泛关注。本文在研究影响五种大宗商品价格走势的主要因素基础上,采用LSTM-Adaboost模型对非线性、非平稳的商品价格序列进行建模和预测,以提高神经网络模型的预测能力和泛化能力。根据LSTM-Adaboost模型的预测结果构造相应的投资策略,将基于LSTM-Adaboost模型的商品期货交易策略同经典的商品期货交易策略进行比较研究。结果表明:无论是年化收益率指标还是夏普比率指标,基于LSTM-Adaboost模型的商品期货交易策略都要优于经典的商品期货交易策略。此外,针对单一投资品种的投资策略回撤大的问题,本文还构建多个投资品种期货组合优化模型,有效解决投资策略在每个投资品种上安排资金占比和最优杠杆的问题,这一方法可以较好地起到控制风险、提高收益的作用。
[期刊] 清华大学学报(自然科学版)
[作者]
张宇 张鹏远 颜永红
由于背景噪声、混响以及人声干扰等因素,远场语音识别任务一直充满挑战性。该文针对远场语音识别任务,提出基于注意力机制和多任务学习框架的长短时记忆递归神经网络(long short-term memory,LSTM)声学模型。模型中嵌入的注意力机制使其自动学习调整对扩展上下文特征输入的关注度,显著提升了模型对远场语音的建模能力。为进一步提高模型的鲁棒性,引入多任务学习框架,使其联合预测声学状态和干净特征。AMI数据集上的实验结果表明:与基线模型相比,引入注意力机制和多任务学习框架的LSTM模型获得了1.5%的
[期刊] 统计与决策
[作者]
周章元 何小灵
为了提高金融时序预测的准确性及泛化性，文章提出了基于主成分分析法和注意力机制来优化长短时记忆模型（PCA-Attention-LSTM）的消费行业板块指数预测方法。首先对指数日常数据生成技术指标，然后通过主成分分析法提取重要特征，根据长短时记忆神经网络（LSTM）学习输入特征的内部变化规律，并利用注意力机制计算LSTM隐层状态的不同权重，最后结合注意力权重和LSTM神经网络进行指数预测。结果表明，优化后的LSTM模型对消费行业板块指数走势具有较强的预测能力。此外，在预测方法的基础上引入了股票的异同移动平均线和均线指标，提供了一种每日轮动自动捕捉交易点的短频量化交易策略。
[期刊] 数据分析与知识发现
[作者]
邓三鸿 傅余洋子 王昊
【目的】利用LSTM模型和字嵌入的方法构建分类系统,提出一种中文图书分类中多标签分类的解决方案。【方法】引入深度学习算法,利用字嵌入方法和LSTM模型构建分类系统,对题名、主题词等字段组成的字符串进行学习以训练模型,并采用构建多个二元分类器的方法解决多标签分类问题,选择3所高校5个类别的书目数据进行实验。【结果】从整体准确率、各类别精度、召回率、F1值多个指标进行分析,本文提出的模型均有良好表现,有较强的实际应用价值。【局限】数据仅涉及中图分类法5个类别,考虑的分类粒度较粗等。【结论】基于LSTM模型的中
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
