-
题名ARCNET网络自诊断及通信优化
- 1
-
-
作者
骆丹妮
韩路平
-
机构
西安石油大学电子工程学院
-
出处
《工业控制计算机》
2017年第2期1-2,共2页
-
文摘
为解决ARCNET网络因节点数多、系统庞大而易产生网络故障,降低整个系统可靠性的问题,设计了具有网络自诊断的通信系统。首先,在ARCNET初始化时进行本节点内部运行诊断,确保本节点自身硬件处于正常状态;其次,采用网络诊断的方法检查在初始状态及通信过程中整个ARCNET网络的状态;最后,利用软硬件结合方式解决网络故障并给予用户相应的提示。同时,提出了延迟接收的方法,解决了ARCNET网络中前一帧数据破坏后一帧数据导致数据丢失问题,提高了ARCNET网络的通信效率,增加了整个通信系统的可靠性和稳定性。
-
关键词
arcnet
网络故障
网络诊断
数据丢失
-
Keywords
arcnet, network failure,network self-diagnosis,data loss
-
分类号
TP393.06
[自动化与计算机技术—计算机应用技术]
-
-
题名面向不平衡数据的机械设备故障命名实体识别
被引量：3
- 2
-
-
作者
党小超
刘涧
董晓辉
祝忠彦
李芬芳
-
机构
西北师范大学计算机科学与工程学院
金川集团股份有限公司龙首矿
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第9期104-112,共9页
-
基金
国家自然科学基金(62162056)
甘肃省产业支撑计划(021CYZC-06)。
-
文摘
命名实体识别作为构建知识图谱的基础任务,其识别效果直接影响知识图谱的质量。在实际生产中,机械故障数据通常包含大量的领域专业词汇,同时实体类型普遍存在分布不平衡的问题,这对准确识别故障实体构成了挑战。通用领域实体识别方法在这一领域效果欠佳,从而降低了知识图谱的质量。为应对上述问题,提出一种融合焦点损失(Focal Loss)函数和专业词典的实体识别方法。该方法使用Focal Loss函数应对实体类型不平衡问题,通过引入平衡因子和调制系数,改进传统的交叉熵损失函数,提升实体识别效果,同时将领域专业词汇嵌入到模型中,进一步提高实体识别性能,这一词典包含机械故障的领域术语,有助于模型更准确地识别机械设备故障命名实体。在自建的矿井提升机实验数据集上进行广泛实验验证,结果证明,融入Focal Loss后模型的F1值比主流模型BERT-BiLSTM-CRF提高了5.57个百分点,相比用于解决数据不平衡的典型方法SMOTE效果更优,在此基础上,通过嵌入领域词典,模型的F1值得到进一步提升,达到89.13%。
-
关键词
命名实体识别
不平衡数据
焦点损失函数
机械设备故障
双向长短期记忆网络
条件随机场
-
Keywords
Named Entity Recognition(NER)
imbalanced data
Focal loss function
mechanical equipment failure
Bi-directional Long Short-Term Memory(BiLSTM)network
Conditional Random Field(CRF)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
