Bearing performance degradation assessment using long short-term memory recurrent network

2019 ◽  
Vol 106 ◽  
pp. 14-29 ◽  
Author(s):  
Bin Zhang ◽  
Shaohui Zhang ◽  
Weihua Li
Keyword(s):  
Short Term Memory ◽  
Recurrent Network ◽  
Performance Degradation ◽  
Short Term ◽  
Term Memory ◽  
Long Short Term Memory

Multi Time Steps Prediction dengan Recurrent Neural Network Long Short Term Memory

2018 ◽  
Vol 18 (1) ◽  
pp. 115-124
Author(s):  
Ahmad Ashril Rizal ◽  
Siti Soraya
Keyword(s):  
Neural Network ◽  
Recurrent Neural Network ◽  
Short Term Memory ◽  
Recurrent Network ◽  
Short Term ◽  
Term Memory ◽  
Long Short Term Memory ◽  
Cell Cell

Tidak tersedianya sumber daya alam seperti migas, hasil hutan ataupun industri manufaktur yang berskala besar di pulau Lombok menyebabkan pariwisata telah menjadi sektor andalan dalam pembangunan daerah. Kontribusi sektor pariwisata menunjukkan trend yang semakin meningkat dari tahun ke tahun. Dampak positif pengeluaran wisatawan terhadap perekonomian terdistribusikan ke berbagai sektor. Akan tetapi, pemerinatah daerah umumnya akan melakukan persiapan wisata daerah hanya pada saat even  lokal saja. Padahal kunjungan wisatawan bukan hanya karena faktor adanya event lokal saja. Persiapan pemerintah daerah dan pelaku wisata sangat penting untuk meningkatkan stabilitas kunjungan wisatawan. Penelitian ini mengkaji prediksi kunjungan wisatawan dengan pendekatan Recurrent Neural Network Long Short Term Memory (RNN LSTM). LSTM berisi informasi di luar aliran normal dari recurrent nertwork dalam gate cell. Cell membuat keputusan tentang apa yang harus disimpan dan kapan mengizinkan pembacaan, penulisan dan penghapusan, melalui gate yang terbuka dan tertutup. Gate menyampaikan informasi berdasarkan kekuatan yang masuk ke dalamnya dan akan difilter menjadi bobot dari gate itu sendiri. Bobot tersebut sama seperti bobot input dan hidden unit yang disesuaikan melalui proses leraning pada recurrent network. Hasil penelitian yang dilakukan dengan membangun model prediksi kunjungan wisatawan dengan RNN LSTM menggunakan multi time steps mendapatkan hasil RMSE sebesar 6888.37 pada data training dan 14684.33 pada data testing.

scholarly journals Rolling Bearing Initial Fault Detection Using Long Short-Term Memory Recurrent Network

IEEE Access ◽  
2019 ◽  
Vol 7 ◽  
pp. 171559-171569 ◽  
Author(s):  
Huaitao Shi ◽  
Lei Guo ◽  
Shuai Tan ◽  
Xiaotian Bai
Keyword(s):  
Fault Detection ◽  
Short Term Memory ◽  
Rolling Bearing ◽  
Recurrent Network ◽  
Short Term ◽  
Term Memory ◽  
Long Short Term Memory

Incorporating Financial News for Forecasting Bitcoin Prices Based on Long Short-Term Memory Networks

2020 ◽  
Author(s):  
Abdolreza Nazemi ◽  
Johannes Jakubik ◽  
Andreas Geyer-Schulz ◽  
Frank J. Fabozzi
Keyword(s):  
Short Term Memory ◽  
Short Term ◽  
Term Memory ◽  
Financial News ◽  
Long Short Term Memory
Sign in / Sign up

Export Citation Format

Share Document