长短期记忆双捕获
在边缘计算中实现热误差的实时精准预测，解决了传统时序模型无法充分利用长期依赖的问题。
Shuang, Zeng · 马驰 · 刘佳兰 · 李梦媛 · Gui, Hongquan
Applied Soft Computing Journal 2023
SQ-LSTMA使用序列到序列架构和注意力机制，同时利用长期和短期记忆信息，预测精度比传统时序模型提高34%以上。
模型在普通计算机上执行时间仅为84 ms，相比GRU和LSTM分别缩短约90 ms和113 ms，满足边缘设备实时预测需求。
通过实时预测和补偿热误差，加工零件的几何精度得到提高，减少废品率。