<正>如今,計算機信息技術已普遍應用于各行各業(yè)中,并時刻發(fā)揮著其不可替代的作用。就以圖書館的管理來說,計算機信息技術的應用可以用最快的速度收集到大量的信息,還可以對這些信息進行管理,用于滿足圖書館管理的實際工作需要。為此,論文結合計算機信息技術的應用優(yōu)勢,總結認為計算機信息技術在圖書館管理方面的應用,要從五個方面做起:一是從讀者需求出發(fā),整理并加工 

【文章來源】：電子世界. 2019,(04)

【文章頁數(shù)】：2 頁

【部分圖文】：

ANN和深度LSTM的結果

雔層，然后穿過完全連接的層以形成輸出。h是LSTM的初始輸出，給出為零。3.案例分析圖3ANN和深度LSTM的結果首先，我們在沒有考慮成本的傳統(tǒng)ANN和深LSTM模型中進行研究。在圖3中記錄并比較了傳統(tǒng)ANN和深LSTM模型在不同MAPE中的功率成本。從圖3中可以看出，不僅MAPE而且深LSTM的功率成本優(yōu)于傳統(tǒng)的ANN結果。深LSTM的最低功耗為3.24E+08，節(jié)省了ANN（3.3354E+8）最低功耗成本的2.6％。其次，我們考慮成本的深LSTM相結合，并進行一些負荷預測測試。CCF的參數(shù)α設定為0至0.05，間隔為0.001。不同α的負荷預測模型的結果如圖4所示。從圖4可以看出，隨著參數(shù)α的值從0增加到0.05，損耗成本比例上升，MAPE增加但功率成本下降。當參數(shù)α為0.005時，電力成本節(jié)省了深LSTM中最低成本的4.1％，并節(jié)省了ANN中最低成本的6.6％。圖4不同參數(shù)α的結果4.結論本文介紹了一種新的負荷預測模型，該模型由深LSTM和CCF組成。LSTM結構可以利用獨立數(shù)據(jù)的隱藏連接，深層可以挖掘出隱藏的信息，提高準確性。當在深LSTM模型中引入CCF時，考慮精度，同時也強調(diào)功率成本。在本文中，我們可以觀察到圖4中存在精度和功率成本之間的不匹配。并且證明了深LSTM可以提高精度，并且功率成本在一定程度上下降。適當?shù)腃CF模型在一定程度上犧牲了精度，可以通過深LSTM來補充，以進一步降低功率成本。在未來，我們將進行更深入的研究，包括挖掘更深層的信息結構，考慮動態(tài)負荷預測的模型。更深層的信息結構可以抽象出更多有用的信息，考慮動態(tài)負荷預測的模型可以應用于不同的情況。如今，計算機信息技術已普遍應用于各行各業(yè)中，并時刻發(fā)揮著其不可替代的作用。就以圖書館的管理來說，計算機信息技術的應用可以用最快的速度收集到大量的信息，還可以對這些信息進行管理

【參考文獻】：
期刊論文
[1]試論計算機信息技術在高校圖書管理中的應用[J]. 肖亞麟.  數(shù)碼世界. 2020(06)



本文編號：3026891