基于GAN的多变量时间序列异常检测方法

近年来，生成对抗网络在多变量时间序列异常检测中得到了广泛应用。然而现有解决方案多存在一些局限性，主要限制是没有明确地捕捉多变量时间序列在时间维度和特征维度上的复杂依赖关系而导致误报。针对该问题，本文使用生成对抗网络对多变量时间序列进行建模，通过在各网络中加入一个多通道注意力层来捕捉数据时间和空间维度的重要性，以提高异常检测的准确性。此外，生成器使用解码-编码器结构，通过在训练阶段对编码器、解码器和判别器进行联合训练，使得异常检测阶段无需计算从实时空间到隐空间的最佳映射，以此提高异常检测的效率。本文在两个公开数据集上进行了实验验证，结果表明，所提方法相较于基线方法在异常检测性能上优势明显。     

浅议大学生英语单词学习的遗忘与保持

英语单词的学习既是一种挑战,又是一种磨练,没有捷径可走,却有技巧可寻。本文从教育心理学和现代认知理论的角度入手,分析记忆的种类与特征、知识的遗忘及其原因,希望运用记忆规律促进大学生英语单词学习的保持。     

耦合故障转子系统的降维及动力学特性

比较非线性Galerkin法和标准Galerkin法在处理滚动轴承和不对中、碰摩故障引起复杂非线性问题时的降维效果,并用非线性Galerkin法进一步分析故障转子系统的动力学特性.考虑花键联轴器不对中啮合力,建立不对中-碰摩耦合故障转子-滚动轴承-花键联轴器系统动力学模型,采用两种Galerkin法对转子系统进行降维,并进行数值仿真,利用分岔图和瀑布图等进行对比分析.结果表明:非线性Galerkin法在处理不对中单一故障及不对中-碰摩耦合故障转子系统所得结果均能与未降维系统较好地吻合,而标准Galerkin法所得结果则存在一定差别甚至出现降维方法失效;应用非线性Galerkin法进一步分析故障转子系统发现,尽管降维使故障转子系统的维数减少,但并未改变故障转子的动力学特性,其故障特征信息仍得到保留.     

简析初中化学知识趣味记忆存在的问题及有效的应对措施

减轻学生的学习负担,使学生轻松愉悦的掌握知识是现代教学的一个重要目标。对于初中化学教学而言,提高初中化学知识记忆的趣味性,能够有效调动学生的记忆激情,使学生更好的进行化学学习。     

英语词汇记忆训练初探

单词是英语学习的基础,同时,记单词也是初中生英语学习的过程中感到最困难的一个环节,作为英语教师,我在教学实践中结合自身的教学经验总结出以下几点训练学生高效记单词的方法,希望为广大初中生的学习提供一些帮助。     

五味子酚对血管性痴呆小鼠学习记忆能力的影响

目的：：研究五味子酚对血管性痴呆小鼠学习记忆能力的影响。方法：小鼠随机分为假手术组、模型组、五味子酚药物组（30、100 mg/kg,ip）。采用双侧颈总动脉结扎法建立血管性痴呆模型,给药2周后用Morris水迷宫测试小鼠学习记忆能力。结果：五味子酚能明显缩短痴呆小鼠找到平台的潜伏期和游泳路程。结论：五味子酚可改善血管性痴呆小鼠的学习记忆能力。     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.     

基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究

针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合...     

《金属材料与热处理》课的记忆方法

金属材料与热处理这门课程要求学生记忆的内容很多,由于很多知识确实难于记忆,这就要求教师在教学过程中指导学生掌握记忆的方法,以达到快速、高效的记忆效果.常用的记忆方法有及时记忆法,理解记忆法,尝试记忆法,比喻记忆法,多元记忆法等.学生掌握了这些记忆方法,对他们的学习会有很大的帮助.