原创力文档- 1、本文档共8页，其中可免费阅读7页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及深度学习技术领域，具体涉及一种基于长短时记忆神经网络的增强矿井下时间序列数据互相关联性的方法，将LSTM模型在时间序列预测得到的结果通过SGD算法进行优化；本发明通过长短时记忆神经网络作为一种特殊的循环卷积网络，在处理时间序列的预测问题上不仅继承了循环卷积网络得天独厚的优势，并且还能有效地解决循环卷积网络在处理较长时间步时产生地“梯度弥散”现象—即梯度随着时间地延伸会逐渐减小直至消失，解决了矿井下数据相互关联性差的问题。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112990439 A
(43)申请公布日 2021.06.18
(21)申请号 202110341123.1
(22)申请日 2021.03.30
(71)申请人 太原
文档评论（0）