典型文献
基于遗传注意力机制的DLSTM电力系统混沌预测
文献摘要：
提出一种基于遗传算法优化注意力机制的深度长短期记忆网络(DLSTM)方法,用于电力系统的混沌预测.通过传递共享参数,将遗传算法优化的注意力机制加入DLSTM模型中,可以挖掘时间序列中潜在特征,同时避免陷入局部优化.该方法是一种受进化计算方法启发的寻优方法,可以很好地学习注意力层中的参数.电力系统混沌预测实验表明所提模型比其他参考模型具有更高的预测精度和长期预测能力.
文献关键词：
电力系统;深度学习;深度长短期记忆网络;混沌预测;注意力机制
中图分类号：
作者姓名：
卢英东;韦笃取
作者机构：
广西师范大学电子工程学院,桂林 541004
文献出处：
引用格式：
[1]卢英东;韦笃取-.基于遗传注意力机制的DLSTM电力系统混沌预测)[J].计算物理,2022(03):371-378
A类：
深度长短期记忆网络
B类：
注意力机制,DLSTM,电力系统,混沌预测,遗传算法优化,共享参数,潜在特征,局部优化,进化计算,地学,学习注意力,注意力层,参考模型,长期预测,预测能力
AB值：
0.284741
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
