论计算机信息技术在图书馆管理方面的应用
发布时间:2021-02-10 05:54
<正>如今,计算机信息技术已普遍应用于各行各业中,并时刻发挥着其不可替代的作用。就以图书馆的管理来说,计算机信息技术的应用可以用最快的速度收集到大量的信息,还可以对这些信息进行管理,用于满足图书馆管理的实际工作需要。为此,论文结合计算机信息技术的应用优势,总结认为计算机信息技术在图书馆管理方面的应用,要从五个方面做起:一是从读者需求出发,整理并加工
【文章来源】:电子世界. 2019,(04)
【文章页数】:2 页
【部分图文】:
ANN和深度LSTM的结果
雔层,然后穿过完全连接的层以形成输出。h是LSTM的初始输出,给出为零。3.案例分析图3ANN和深度LSTM的结果首先,我们在没有考虑成本的传统ANN和深LSTM模型中进行研究。在图3中记录并比较了传统ANN和深LSTM模型在不同MAPE中的功率成本。从图3中可以看出,不仅MAPE而且深LSTM的功率成本优于传统的ANN结果。深LSTM的最低功耗为3.24E+08,节省了ANN(3.3354E+8)最低功耗成本的2.6%。其次,我们考虑成本的深LSTM相结合,并进行一些负荷预测测试。CCF的参数α设定为0至0.05,间隔为0.001。不同α的负荷预测模型的结果如图4所示。从图4可以看出,随着参数α的值从0增加到0.05,损耗成本比例上升,MAPE增加但功率成本下降。当参数α为0.005时,电力成本节省了深LSTM中最低成本的4.1%,并节省了ANN中最低成本的6.6%。图4不同参数α的结果4.结论本文介绍了一种新的负荷预测模型,该模型由深LSTM和CCF组成。LSTM结构可以利用独立数据的隐藏连接,深层可以挖掘出隐藏的信息,提高准确性。当在深LSTM模型中引入CCF时,考虑精度,同时也强调功率成本。在本文中,我们可以观察到图4中存在精度和功率成本之间的不匹配。并且证明了深LSTM可以提高精度,并且功率成本在一定程度上下降。适当的CCF模型在一定程度上牺牲了精度,可以通过深LSTM来补充,以进一步降低功率成本。在未来,我们将进行更深入的研究,包括挖掘更深层的信息结构,考虑动态负荷预测的模型。更深层的信息结构可以抽象出更多有用的信息,考虑动态负荷预测的模型可以应用于不同的情况。如今,计算机信息技术已普遍应用于各行各业中,并时刻发挥着其不可替代的作用。就以图书馆的管理来说,计算机信息技术的应用可以用最快的速度收集到大量的信息,还可以对这些信息进行管理
【参考文献】:
期刊论文
[1]试论计算机信息技术在高校图书管理中的应用[J]. 肖亚麟. 数码世界. 2020(06)
本文编号:3026891
【文章来源】:电子世界. 2019,(04)
【文章页数】:2 页
【部分图文】:
ANN和深度LSTM的结果
雔层,然后穿过完全连接的层以形成输出。h是LSTM的初始输出,给出为零。3.案例分析图3ANN和深度LSTM的结果首先,我们在没有考虑成本的传统ANN和深LSTM模型中进行研究。在图3中记录并比较了传统ANN和深LSTM模型在不同MAPE中的功率成本。从图3中可以看出,不仅MAPE而且深LSTM的功率成本优于传统的ANN结果。深LSTM的最低功耗为3.24E+08,节省了ANN(3.3354E+8)最低功耗成本的2.6%。其次,我们考虑成本的深LSTM相结合,并进行一些负荷预测测试。CCF的参数α设定为0至0.05,间隔为0.001。不同α的负荷预测模型的结果如图4所示。从图4可以看出,随着参数α的值从0增加到0.05,损耗成本比例上升,MAPE增加但功率成本下降。当参数α为0.005时,电力成本节省了深LSTM中最低成本的4.1%,并节省了ANN中最低成本的6.6%。图4不同参数α的结果4.结论本文介绍了一种新的负荷预测模型,该模型由深LSTM和CCF组成。LSTM结构可以利用独立数据的隐藏连接,深层可以挖掘出隐藏的信息,提高准确性。当在深LSTM模型中引入CCF时,考虑精度,同时也强调功率成本。在本文中,我们可以观察到图4中存在精度和功率成本之间的不匹配。并且证明了深LSTM可以提高精度,并且功率成本在一定程度上下降。适当的CCF模型在一定程度上牺牲了精度,可以通过深LSTM来补充,以进一步降低功率成本。在未来,我们将进行更深入的研究,包括挖掘更深层的信息结构,考虑动态负荷预测的模型。更深层的信息结构可以抽象出更多有用的信息,考虑动态负荷预测的模型可以应用于不同的情况。如今,计算机信息技术已普遍应用于各行各业中,并时刻发挥着其不可替代的作用。就以图书馆的管理来说,计算机信息技术的应用可以用最快的速度收集到大量的信息,还可以对这些信息进行管理
【参考文献】:
期刊论文
[1]试论计算机信息技术在高校图书管理中的应用[J]. 肖亚麟. 数码世界. 2020(06)
本文编号:3026891
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3026891.html