典型文献
LSTM-BP长短时记忆模型的设备寿命预测
文献摘要：
机电装备一体化、集成化程度越来越高,传统测试方法和维护方法难以对设备整体和元器件实现有效监测.为在长时间开机、高使用频率状态下,准确把握设备健康状态,本文结合深度学习中循环神经网络技术,提出了改进型LSTM长短时记忆网络方法,针对传统LSTM网络参数量相对较少的问题,本文使用三层BP结构串联至LSTM结构后构建多参数模型,达到模型泛化能力提高的目的,实现对设备寿命的有效预测.
文献关键词：
机电装备;神经网络;设备寿命;LSTM
中图分类号：
作者姓名：
薛缠明;赵翔宇
作者机构：
太原卫星发射中心,太原 036301
文献出处：
引用格式：
[1]薛缠明;赵翔宇-.LSTM-BP长短时记忆模型的设备寿命预测)[J].现代计算机,2022(14):79-82
A类：
B类：
长短时记忆模型,设备寿命,寿命预测,机电装备,集成化,统测,维护方法,元器件,有效监测,开机,使用频率,健康状态,循环神经网络,神经网络技术,改进型,长短时记忆网络,网络参数,参数量,多参数,参数模型,模型泛化,泛化能力,能力提高
AB值：
0.429333
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。
