作品名：智慧模型下序列型数据分类与预测机理研究
作品简介：
随着互联网的发展，序列型数据在自然语言，视频预测，医学图像等领域中的应用呈井喷式爆发，而传统方法在高维度且内部规律复杂的数据面前，显得力不从心，深度学习的崛起为我们提供了解决办法，其中长短时记忆神经网络（LSTM）因其特有的网络结构，非常适合对序列型数据进行处理。为了进一步实现对序列型数据进行精确分类和准确预测，该作品提出了一种基于序列型数据的混合深度学习框架（DNN-LSTM），能够挖掘多层次序列特征，并基于该框架，提出了四种网络模型。
图1 疲劳检测算法流程图
图2 道路交通预测算法流程图
