基于LSTM的食品污染物风险预测研究文献综述

 2021-12-31 19:55:43

全文总字数:2519字

文献综述

一、论文研究背景与意义民以食为天,食品安全关系到广大人民群众的身体健康和生命安全,关系到经济的健康发展和社会稳定,关系到政府和国家的形象,食品安全已成为衡量人民生活质量、社会管理水平和国家法制建设的一个重要方面。

同其他国家一样,目前,由致病微生物和其他有毒有害因素引起的食物中毒和食源性疾病是给我国食品质量安全构成威胁的最主要的因素。

据统计,我国每年花费在食品安全检测上的经费高达上亿元,因此,通过机器学习的方法来预测食品安全的合格率,并对食品安全污染物做出预测有重大意义。

Long Short Term 网络是一种 RNN 特殊的类型,可以学习长期依赖信息。

LSTM 由Hochreiter ollmer 等人 (2010) 提出了双向 LSTM(BLSTM) 的循环网络与动态贝叶斯网络 (DBN) 一起用于上下文敏感关键字检测。

Shabanian 等人 (2017) 提出了变分双向 LSTM(Variational Bi-LSTM),它是双向 LSTM 体系结构的变体。

Variational Bi-LSTM 使用变分自编码器 (VAE) 在 LSTM 之间创建一个信息交换通道,以学习更好的表征。

三、国内研究文献综述Shi 等人 (2016b) 提出了深度长短期记忆网络 (DLSTM),它是一个 LSTM 单元的堆栈,用于特征映射学习表示。

Young 等人(2017)讨论了 DL 模型和架构,主要用于自然语言处理(NLP)。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。