简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.
简介:本文报道了产于福建省南日岛的红毛菜(Bengia)的主要营养成分,发现此处采集的新鲜红毛菜脂肪中含有大量高度不饱和脂肪酸EPA(Eicosapentaenoicacid二十碳五烯酸),经测定每100克干重的红毛菜中含有,137mgEPA,在红毛菜脂肪酸组成中EPA含量占40%以上。每100克干的红毛菜中EPA含量比产于日本宫城县女川町的红藻(Fudaraku,Pachymeniopsislanceolata)的EPA含量高90mg,是目前报道的EPA含量最高的天然水产品之一,是EPA含量最高的藻类生物。