摘要
一种基于深度学习的远动通信数据库比对校核方法，包括：数据预处理，将数据集划分为训练集与验证集；训练集数据被送入多尺度卷积模块，利用不同尺寸卷积核并行提取输入数据的多种感受野特征，并融合这些特征后继续传递；融合后的特征被用作Bi‑LSTM网络的输入，进行时序建模，并用灰狼优化算法优化Bi‑LSTM网络的超参数，精准捕捉信息点表间的时序关联性；Bi‑LSTM网络的输出送入注意力机制模块，计算每个时间步的权重并进行加权求和，得到全局加权向量，最终输出校核结果并训练校核模型；使用验证集对模型性能进行评估。此方法融合了多尺度卷积、Bi‑LSTM与注意力机制，有效提升了远动通信数据库比对的准确性和效率。
