傳統(tǒng)的神經(jīng)網(wǎng)絡并不能做到長期記憶,存在"長期依賴"問題。但長短期記憶循環(huán)神經(jīng)網(wǎng)絡模型擅長處理可變長度的時間序列的數(shù)據(jù)輸入,且網(wǎng)絡具有自連接的隱層,可以有效解決長期依賴問題。標準BP神經(jīng)網(wǎng)絡算法收斂速度慢、局部極值、難以確定隱層數(shù)和隱層的節(jié)點個數(shù)。由于收集的水體數(shù)據(jù)中有許多屬性相關性較大,如果將所有屬性都用C4.5算法進行計算,則會造成一定的資源浪費,降低計算效率。而改進的C4.5算法則增加了去除相關性大的幾個屬性這一環(huán)節(jié),從而有效地減少了不必要的計算。該文主要融合長短期記憶循環(huán)神經(jīng)網(wǎng)絡以及決策樹兩種算法,來進行水產(chǎn)養(yǎng)殖病害預測。 

【文章來源】：電腦知識與技術. 2020,16(08)

【文章頁數(shù)】：2 頁

【文章目錄】：
1 C4.5-LSTM模型建立
    1.1 數(shù)據(jù)采集
    1.2 決策樹的生成
        1.2.1 去除相關性大的屬性
        1.2.2 分裂屬性的選擇
        1.2.3 剪枝
    1.3 數(shù)據(jù)處理
        1.3.1 數(shù)據(jù)標準化處理
        1.3.2 數(shù)據(jù)劃分
    1.4 模型建立
2 總結(jié)


【參考文獻】：
期刊論文
[1]基于遺傳算法改進的一階滯后濾波和長短期記憶網(wǎng)絡的藍藻水華預測方法[J]. 于家斌,尚方方,王小藝,許繼平,王立,張慧妍,鄭蕾.  計算機應用. 2018(07)



本文編號：3598329