.png){kind=icon}
返回
Bidirectional Multiscale Efficient Dilated Convolutional Recurrent Neural Network Improved by Swarm Intelligence Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TNNLS.2025.3596244.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，双向卷积循环神经网络（RNN）在解决与时间序列和预测应用相关的一系列复杂问题上取得了显著突破。然而，模型性能高度依赖于所选的超参数。因此，我们提出了一种自动超参数优化方法，并应用基于改进群体智能优化（麻雀搜索）的双向卷积RNN来解决回归预测问题。具体而言，设计了一个并行多尺度空洞卷积（PMDC）模块以捕捉局部和全局空间相关性。该方法利用不同膨胀率的卷积来扩展感受野，同时不增加模型复杂度。同时，它整合了并行多尺度结构，以提取不同尺度的特征并增强模型对输入数据的理解。然后，双向门控循环单元（BGRUs）从卷积特征中学习时序信息。为解决经验性超参数选择的局限性，例如训练缓慢和效率低下的问题，提出了一种新型PMDC-BGRU模型，该模型集成了预训练的麻雀搜索算法（SSA）以进行超参数优化。最后，多个数据集上的实验验证了算法的优越性，并解释了智能优化算法在解决模型参数优化问题上的灵活性。
Keyword:
Bidirectional gated recurrent unit (BGRU)
convolutional neural networks (CNNs)
optimization
regression prediction
sparrow search algorithm (SSA)
期刊
IF:
8.9
论文数:
7.6K
被引数:
7.2W
机构
引用论文
PSO Optimized Hybrid Deep Learning Model for Detection and Localization of Myocardial Infarction.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Long Short-Term Memory-Based Twin Support Vector Regression for Probabilistic Load Forecasting基于长短期记忆的孪生支持向量回归概率负荷预测
PREAI
分享收藏Enhanced First-Break Picking Using Hybrid Convolutional Neural Network and Recurrent Neural Networks
PREAI
分享收藏
Towards a generalized hybrid deep learning model with optimized hyperparameters for malicious traffic detection in the Industrial Internet of Things面向一种带有优化超参数的通用混合深度学习模型，用于工业物联网中的恶意流量检测
PREAI
分享收藏
An improved antlion optimizer with dynamic random walk and dynamic opposite learning一种改进的动态随机游走和动态相反学习的antlion优化器
PREAI
分享收藏
查看更多内容