针对传统光电容积脉搏波(PPG)血压监测准确性不足的问题，研究人员创新性融合时序卷积网络(TCN)、长短期记忆网络(LSTM)与自编码器技术，开发出Autoencoder-LSTM模型。该模型实现收缩压(SBP)和舒张压(DBP)预测平均绝对误差(MAE)分别低至1.05和0.92 mmHg，为可穿戴设备提供 ...

时间序列异常检测是金融监控、网络安全防护、工业制造控制以及物联网系统监测等领域的核心技术问题。本文研究了一种结合深度学习LSTM自编码器与KMeans聚类算法的无监督异常检测方法，该方法首先利用LSTM自编码器学习序列数据的潜在表示，然后在潜在空间 ...

为解决传统物理模型结构误差和数据驱动模型物理约束不足的问题，研究人员创新性地将长短期记忆自编码器（LSTM-AE）与物理信息神经网络（PINN）结合，提出LSTM-AE-PINN框架，成功实现了瞬态垂向潜流交换通量（VHEFs）的高精度反演。该框架通过低维表征优化参数 ...