- 通过优化 LSTM 模型性能和比较分析推进金融风险预测
该研究侧重于 LSTM 模型在金融风险预测中的应用和优化，实验结果表明，经过优化的 LSTM 模型在 AUC 指数上相比随机森林、BP 神经网络和 XGBoost 都有显著优势，验证了其在金融风险预测领域的有效性和实用性，尤其是处理复杂时间 - 社交网络中检测恶意网络欺凌和仇恨言论的深度学习方法
本研究针对社交网络文本数据中含有的对抗性攻击内容，特别强调仇恨言论的网络欺凌进行检测，利用基于深度学习的方法和纠错算法，实现了显著结果。LSTM 模型在固定的 100 个时期内表现出色，准确率、精确率、召回率、F1 分数和 AUC-ROC - 深度神经网络方法用于逃票
使用 LSTM 模型和关键点提取，对公共交通领域的乘客进行行为预测，以减少逃票问题。同时，结合 ReID 模型提高准确性，帮助公共交通公司定位逃票问题的根源。
- 金融机构服务中的客户目标预测：基于数据驱动的 LSTM 方法
在如今竞争激烈的金融领域，准确理解和预测客户目标对于金融机构提供个性化和优化的用户体验至关重要。本研究基于历史客户数据，提出了两个简单模型，即 LSTM 模型和增强了状态空间图嵌入的 LSTM 模型，用于预测客户目标和未来动作。结果表明，这 - 在预测精度优化背景下的分形插值
本文通过使用分形插值技术对时间序列预测进行了优化假设，提出了三种不同的基于分形插值的数据增强策略，并通过使用 LSTM 模型验证了这些策略对预测结果的显著改善，从而回答了一些与优化相关的分形插值步骤的开放性问题。
- 利用大型语言模型在电子健康记录中进行主诉自动完成
利用 LSTM 模型和三种不同的 Biomedical Generative Pretrained Transformers (BioGPT) 变体 (microsoft/biogpt, microsoft/BioGPT-Large 和 m - Aikyam: 为聋哑人提供的视频会议工具
本文提出了一种全面的视频会议实用程序，可与现有的视频会议平台配合使用，解决聋哑人士在交流中遇到的问题。它通过手语生成适当的语句，并使用音频和用户的反馈对语句进行标注，以促进所有参与者之间的流畅交流。该实用程序使用简单的 LSTM 模型进行手 - 利用 LSTMs 进行日前电力价格和波动率的概率预测
准确预测电力价格对于电力系统管理和智能应用的发展至关重要。本研究提出了一种用于德国 - 卢森堡次日电力价格的长短期记忆（LSTM）模型，通过应对俄罗斯入侵乌克兰后欧洲电力价格的大幅上涨和高度波动等挑战，来应对现有预测方法的局限。LSTM 的 - 基于 LSTM 和成本敏感学习的民航超限实时预警
本研究提出了一个基于 QAR 数据监控的民航超限实时预警模型，使用 Spearman 等级相关系数从庞大的 QAR 数据集中提取与超限高度相关的属性，结合费用敏感性学习和网格搜索方法对 LSTM 模型进行优化，实验结果显示该模型能够在实时预 - 基于 LSTM 的 Twitter 情感分析模型
使用收集到的七个手动标注的 Twitter 情感数据集，建立 LSTM 模型来对推文情感进行分类，并使用新数据集对模型进行评估。
- 基于 LSTM 的社交媒体评论情感分析的中国案例研究
本研究使用长短期记忆网络 (LSTM) 模型，在新浪微博的社交媒体评论中实现了对中国情感的分析，达到了约 92％的准确率，利用自然语言处理（NLP）和公众舆论监督相结合，对于监督公众情绪和趋势至关重要，可用于识别和解决社会问题。
- 自动预测：匈牙利水痘病例估计的时间序列预测模型评估
本文利用时间序列预测技术对匈牙利的水痘病例进行模拟预测，演示 LSTM 模型在县级预测方面的表现优于其他模型，SARIMAX 模型在国家级预测方面的表现最佳。同时，我们的数据预处理方法的表现也优于传统的数据预处理方法。
- 短期股市预测的单变量和多变量 LSTM 模型
本文使用两种不同的输入方法设计了一种 LSTM 模型，以预测印度两家公司 Reliance Industries 和 Infosys Ltd 的短期股价。结果表明，使用技术指标的 Multivariate LSTM 模型可以更准确地预测未来 - 结合深度学习模型检测基于云的网络钓鱼攻击
本文研究使用深度学习模型来检测利用 Google Sites 和 Typeform 等云服务进行的网络钓鱼攻击的有效性，包括 URL、商标和视觉相似性分析，证实了结合多种模型的结果可以提高检测云钓鱼攻击的有效性。
- 使用 长短期记忆处理反射光纤故障检测和表征
本研究基于光时域反射原理，利用遥测数据，提出了一种基于长短时记忆模型的多任务学习方法，能准确快速地检测、定位和估算光学网络中的故障反射（事件），并且相比传统方法表现更好。
- 基于层次 LSTM 和注意力机制的网络级短时旅行时间大数据分析
本文通过使用 Apache Spark 和 Apache MXNet 等大数据分析引擎，利用 Caltrans PeMS 系统的大规模旅行时间数据集设计了一个 Hierarchical LSTM with Attention (HierLS - KDD利用长短期记忆预测道路交通速度中的动态时空语境
本研究提出一种动态局部化长短期记忆（LSTM）模型，通过使用局部动态空间权重矩阵和其动态变化，考虑时间和空间上的复杂动态相互作用，对道路之间的时空关系进行建模，能够处理具有长时序依赖和复杂非线性特征的序列数据，并在实验证明了该模型相比基线方 - EMNLP在泰国博客文章中检测抑郁症：数据集和基线
本研究提出了第一个用于检测泰语抑郁症的公开语料库，并通过两种不同的 LSTM 模型和两种不同的 BERT 模型进行实验。我们使用泰语 BERT 模型在检测抑郁症方面取得了 77.53％的准确性，并针对该语料库将此结果作为基准线记录在案，发现 - ACL神经语言模型中语法表示的过高估计
研究最近聚焦于神经语言模型的成功因素，测试方法学、n-gram 模型以及 LSTM 模型等方式都被用来验证其句法表达的能力，本论文重现了最近论文的实验结果，显示了以字符串为基础的句法诱导训练的基本问题。
- 自动驾驶车辆中的驾驶员 / 乘客看向预测接管准备
本研究提出了一种基于可观察信号的驾驶员接管准备度的数据驱动方法，使用自动驾驶汽车上的空间视觉感知器，通过主体评级建立驾驶员接管准备度的可观测度指标（ORI），并借助 LSTM 模型连续估计驾驶员的 ORI。