基于Bi-RNN模型的工业控制系统网络入侵检测研究

1

作者 黎斌 《信息技术与信息化》 2025年第4期47-51,共5页

因工业控制系统网络环境复杂且网络流量呈现动态变化,使得时间序列特征难以被精确捕捉,数据包大小分布的离散程度不明显,导致实时特征向量的提取过程受到影响,难以准确区分正常流量与异常流量,降低了入侵检测的准确性和效率。为此,文章... 因工业控制系统网络环境复杂且网络流量呈现动态变化,使得时间序列特征难以被精确捕捉,数据包大小分布的离散程度不明显,导致实时特征向量的提取过程受到影响,难以准确区分正常流量与异常流量,降低了入侵检测的准确性和效率。为此,文章提出一种基于Bi-RNN(bidirectional recurrent neural networks)模型的工业控制系统网络入侵检测研究。采用滑动平均法预处理工业控制系统网络数据,结合时间序列数据构建网络入侵检测Bi-RNN模型。通过计算数据包大小的变异系数体现数据包大小分布的离散程度,定向提取异常流量特征,并将其作为实时特征向量,输入至Bi-RNN模型中,实现工业控制系统网络入侵检测。实验结果表明,利用Bi-RNN模型对工业控制系统网络入侵进行检测后,戴维森堡丁指数可稳定保持在0.15以下水平,最小MAPE仅为0.13,检测准确性较高,说明该方法对工业控制系统网络入侵检测准确性较好,可准确地检测出入侵行为。 展开更多

关键词 bi-rnn模型 工业控制系统 网络入侵 检测方法 异常流量特征

在线阅读 下载PDF 职称材料

基于Bi-RNN的风电机组主轴承温度预警方法研究 被引量：21

2

作者 尹诗 侯国莲 +3 位作者 于晓东 李宁 王其乐 弓林娟 《郑州大学学报（工学版）》 CAS 北大核心 2019年第5期44-50,共7页

主轴承是风电机组能量传递的关键设备,本文以双馈风力发电机组主轴承为研究对象,首先采用高斯混合模型(gaussian mixture model,GMM)对机组工况进行辨识;其次在各个子工况空间内建立基于双向循环神经网络(bi-directional recurrent neur... 主轴承是风电机组能量传递的关键设备,本文以双馈风力发电机组主轴承为研究对象,首先采用高斯混合模型(gaussian mixture model,GMM)对机组工况进行辨识;其次在各个子工况空间内建立基于双向循环神经网络(bi-directional recurrent neural network,Bi-RNN)的风电机组主轴承温度模型;然后,采用随机森林算法对主轴承温度模型残差进行建模与预测,从而实现机组主轴承故障预警;最后以某大型风电场机组为对象建模并开展仿真研究.结果表明,基于工况辨识的Bi-RNN神经网络算法结合随机森林算法对主轴承故障预警具有较强的实用性和较高的准确率. 展开更多

关键词 风电机组 主轴承 工况辨识 bi-rnn 随机森林

在线阅读 下载PDF 职称材料

基于特征选择和CNN+Bi-RNN模型的小麦抗寒性识别方法 被引量：4

3

作者 金松林 来纯晓 +7 位作者 郑颖 李艳翠 霍云凤 刘明久 张自阳 韩博 闫思尧 李龙威 《江苏农业科学》 北大核心 2022年第10期201-207,共7页

针对当前小麦抗寒性识别方法受限、资源消耗严重等问题,以国审小麦品种的文本数据为研究对象,利用特征选择算法和深度学习方法实现小麦抗寒性识别研究。首先,使用集成学习中的自适应增强(adaptive boosting,简称AdaBoost)算法和极端梯... 针对当前小麦抗寒性识别方法受限、资源消耗严重等问题,以国审小麦品种的文本数据为研究对象,利用特征选择算法和深度学习方法实现小麦抗寒性识别研究。首先,使用集成学习中的自适应增强(adaptive boosting,简称AdaBoost)算法和极端梯度提升(extreme gradient boosting,简称XGBoost)算法进行特征选择;然后,将卷积神经网络(convolutional neural networks,简称CNN)抽取的局部特征和双向循环神经网络(Bi-direction recurrent neural network,简称Bi-RNN)抽取的上下文特征融合,构建基于CNN+Bi-RNN的小麦抗寒性识别模型,通过试验表明选择15个特征时CNN+Bi-RNN方法的准确率、F1值和Kappa系数最高,分别为0.789 8、0.810 2和0.602 7。最后,使用合成少数类过采样技术(synthetic minority over-sampling technique,简称SMOTE)对样本均衡化处理,处理后训练模型的准确率均有所提高,其中CNN+Bi-RNN模型的准确率达到0.829 2。该方法能够较好地识别小麦抗寒性,提高育种效率。 展开更多

关键词 小麦 抗寒性识别 特征选择 CNN+bi-rnn 样本均衡化

在线阅读 下载PDF 职称材料

基于Bi-RNN-LSTM模型的国内生猪价格预测与试验

4

作者 曹惠茹 许沛鑫 +2 位作者 陈俊炯 钟麟 李小敏 《机电工程技术》 2023年第10期260-263,289,共5页

猪肉是人类摄取动物蛋白的主要肉类之一,其价格过高或过低都会直接影响国民的日常生活。为实现活猪(中等)集贸市场价格当期值的预测,基于国家数据库提供的月度数据,提出了基于双向RNN和双向LSTM组合模型来实现对国内生猪价格的预测。构... 猪肉是人类摄取动物蛋白的主要肉类之一,其价格过高或过低都会直接影响国民的日常生活。为实现活猪(中等)集贸市场价格当期值的预测,基于国家数据库提供的月度数据,提出了基于双向RNN和双向LSTM组合模型来实现对国内生猪价格的预测。构建以双向循环神经网络(Bi-RNN)和双向长短期记忆网络(Bi-LSTM)为主体的网络模型结构并进行训练预测。模型在测试集上的误差指标中MSE为0.48,RMSE为0.69,MAE为0.53,MAPE为3.37%,SMAPE为3.37%,该结果相对于其他机器学习模型和深度学习模型误差更小,表明了所提的方法在猪肉价格的时间序列上预测的准确性。 展开更多

关键词 Bi-LSTM bi-rnn 生猪价格 时间序列

在线阅读 下载PDF 职称材料

基于Bi-RNN中文语音识别的实验设计

5

作者 黄睿 《现代计算机》 2019年第10期92-95,共4页

介绍TensorFlow深度学习架构,分析梅尔频率倒谱系数(MFCC)模型,结合双向循环神经网络(Bi-RNN)和联结主义时间分类(CTC)模型,对中文语音数据集Thchs-30进行深度学习,最终完成中文语音识别的实验设计,为中文语音识别在本科实验教学的应用... 介绍TensorFlow深度学习架构,分析梅尔频率倒谱系数(MFCC)模型,结合双向循环神经网络(Bi-RNN)和联结主义时间分类(CTC)模型,对中文语音数据集Thchs-30进行深度学习,最终完成中文语音识别的实验设计,为中文语音识别在本科实验教学的应用具体重要参考意义。 展开更多

关键词 TensorFlow 深度学习 语音识别 双向循环神经网络(bi-rnn) 梅尔频率倒谱系数(MFCC) 联结主义时间分类(CTC)

在线阅读 下载PDF 职称材料

Bi-RNN与GMS耦合的金属露天矿井涌水量预测 被引量：1

6

作者 赵誉兴 李向文 《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第12期155-169,共15页

【目的】在矿井实际生产过程开始前,准确预测涌水量对预防矿井潜在水害事故和保障安全生产具有重要的直接指导作用。【方法】为提升以大气降水为主要补给来源的露天矿井涌水量预测的准确性与稳定性,提出一种结合双向循环神经网络(bidire... 【目的】在矿井实际生产过程开始前,准确预测涌水量对预防矿井潜在水害事故和保障安全生产具有重要的直接指导作用。【方法】为提升以大气降水为主要补给来源的露天矿井涌水量预测的准确性与稳定性,提出一种结合双向循环神经网络(bidirectional recurrent neural network,Bi-RNN)和地下水数值模拟系统(groundwater modeling system,GMS)的涌水量预测耦合模型。该模型通过对全球预报系统数据(global forecast system,GFS)提供的研究区内历史预报降水与实际降水之间差值的波动规律进行分析,利用Bi-RNN对预报降水数据进行校正,将校正后的降水数据输入GMS中以预测南北2个开采区的涌水量。同时,采用传统的大井法和补给模数大井法对开采区涌水量进行预测,并对比不同方法的预测结果。【结果和结论】结果表明:北部开采区耦合模型预测结果为294 m^(3)/d,大井法预测结果为276.651~940.613 m^(3)/d,补给模数大井法预测结果为287.241 m^(3)/d;南部开采区耦合模型预测结果为1 160 m^(3)/d;大井法预测结果为3 330.107~5 090.944 m^(3)/d,补给模数大井法预测结果为1 108.575 m^(3)/d。研究表明,所建立的耦合模型在预测露天矿井涌水量方面取得了一定成果,作为一种结合多数据源的预测方法具有一定优势。该模型为解决矿井涌水量问题提供了新的思路和技术支持,具有较高的理论价值和实际应用潜力。 展开更多

关键词 露天矿井 涌水量预测 双向循环神经网络 全球预报系统 地下水数值模拟系统 深度学习

在线阅读 下载PDF 职称材料

多特征数据驱动的采煤机减速器油液维护决策关键技术研究

7

作者 娄佳伽 庞新宇 +3 位作者 项培东 马范杰 刘民帅 张占东 《煤炭工程》 北大核心 2026年第2期176-183,共8页

为解决采煤机减速器油液维护依赖人工经验、难以量化评估多特征数据的问题,构建一种多特征数据驱动的油液维护决策系统。系统基于油液温度、理化指标及铁谱检测数据,提取14个特征参数,提出了三项关键技术:基于循环神经网络(RNN)的磨损... 为解决采煤机减速器油液维护依赖人工经验、难以量化评估多特征数据的问题,构建一种多特征数据驱动的油液维护决策系统。系统基于油液温度、理化指标及铁谱检测数据,提取14个特征参数,提出了三项关键技术:基于循环神经网络(RNN)的磨损趋势识别方法,利用滑动窗口捕捉时序依赖关系;基于双向门控循环单元(Bi-GRU)的磨损阶段分类方法,学习特征双向时序关系;结合三级量化标度与分级逻辑推理进行故障分析与建议,建立劣化参数与维护建议的关联。测试集表明,RNN磨损趋势识别准确率达90.7%,Bi-GRU磨损阶段分类准确率为91.49%;现场验证结果与专家意见一致。同时通过实验室试验验证证明了该系统的泛化性。所建系统有效融合多源异构数据,实现采煤机减速器磨损状态的智能识别、故障分析与建议,显著降低人工经验依赖,提升维护决策的客观性与可靠性。 展开更多

关键词 多特征 采煤机减速器 RNN Bi-GRU 三级量化标度 分级逻辑推理

在线阅读 下载PDF 职称材料

基于负荷时序分解及组合模型优化的超短期负荷预测

8

作者 郝广涛 解学帅 +2 位作者 林楠 李思远 詹宏昊 《莆田学院学报》 2025年第5期71-78,共8页

提出考虑负荷时序分解及预测模型组合优化的超短期负荷预测模型。首先,利用自适应啁啾模态分解方法对原始负荷数据进行自适应分解,得到若干个相对有规律的子序列;其次,将循环神经网络(recurrent neural network,RNN)与双向长短期记忆(bi... 提出考虑负荷时序分解及预测模型组合优化的超短期负荷预测模型。首先,利用自适应啁啾模态分解方法对原始负荷数据进行自适应分解,得到若干个相对有规律的子序列;其次,将循环神经网络(recurrent neural network,RNN)与双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络结合,构建RNN-BiLSTM组合模型;再次,使用麻雀搜索算法优化RNN-BiLSTM组合模型的超参数,解决模型参数取值不同导致预测结果不稳定问题;最后,通过实际算例的仿真验证,证明所提出模型的有效性。 展开更多

关键词 负荷预测 自适应啁啾模态分解 循环神经网络 双向长短期记忆网络 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于抽象汇编指令的恶意软件家族分类方法 被引量：2

9

作者 李玉 罗森林 +1 位作者 郝靖伟 潘丽敏 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第2期348-355,共8页

恶意软件变体的大量出现对网络安全造成巨大威胁。针对基于汇编指令的恶意软件家族分类方法中,操作数语义与运行环境密切相关而难以提取,导致指令语义缺失,难以正确分类恶意软件变体的问题。提出了一种基于抽象汇编指令的恶意软件家族... 恶意软件变体的大量出现对网络安全造成巨大威胁。针对基于汇编指令的恶意软件家族分类方法中,操作数语义与运行环境密切相关而难以提取,导致指令语义缺失,难以正确分类恶意软件变体的问题。提出了一种基于抽象汇编指令的恶意软件家族分类方法。通过抽象出操作数类型重构指令,使操作数语义脱离运行环境的约束;利用词注意力机制与双向门循环单元(Bi-GRU)构建指令嵌入网络以捕获指令行为语义,并结合双向循环神经网络(Bi-RNN)学习恶意软件家族共性指令序列,以减小变体技术对指令序列的干扰;融合原始指令和家族共性指令序列构建特征图像,并通过卷积神经网络实现恶意软件家族分类。公开数据集上的实验结果表明:所提方法能够有效提取操作数信息,抵抗恶意软件变体中无关指令的干扰,实现恶意软件变体的家族分类。 展开更多

关键词 恶意软件家族分类 可视化 抽象汇编指令 卷积神经网络 双向循环神经网络(bi-rnn) 词注意力机制

原文传递

基于Attention机制的链接预测算法 被引量：3

10

作者 程华 张林 房一泉 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第2期109-114,共6页

针对社会网络中链接预测问题,提出了基于注意力(Attention)机制的链接表示及其预测算法.基于待预测节点的共邻关系构建其链接局部网络,设计了基于紧密游走的网络拓扑序列化方法.采用双向循环神经网络(Bi-RNN)对链接序列进行向量编码,以... 针对社会网络中链接预测问题,提出了基于注意力(Attention)机制的链接表示及其预测算法.基于待预测节点的共邻关系构建其链接局部网络,设计了基于紧密游走的网络拓扑序列化方法.采用双向循环神经网络(Bi-RNN)对链接序列进行向量编码,以充分挖掘序列相关节点间的上下文依赖信息.通过Attention机制对链接中的节点进行关注和加权,强化重要节点对链接预测任务的贡献,实现链接拓扑特征的自动提取与准确分类预测.实验结果表明,在4种不同类型的社会网络数据集中,该算法的准确率和运算效率都有较大提高且普适性较强. 展开更多

关键词 注意力机制 双向循环神经网络 拓扑序列化 链接预测 局部网络

原文传递

基于Bi IndRNN和PSO的航班延误预测 被引量：4

11

作者 王辉 刘杰 《航空计算技术》 2022年第3期15-19,共5页

针对普通循环神经网络在航班延误预测问题上精度不高、调试时间长的问题,提出基于Bi IndRNN和粒子群的机场短期航班延误预测模型。模型采用Bi IndRNN结构作为预测模型,使用粒子群算法对模型超参数进行全局寻优,使模型不仅能够处理长序... 针对普通循环神经网络在航班延误预测问题上精度不高、调试时间长的问题,提出基于Bi IndRNN和粒子群的机场短期航班延误预测模型。模型采用Bi IndRNN结构作为预测模型,使用粒子群算法对模型超参数进行全局寻优,使模型不仅能够处理长序列的数据,还能够高效率地选择合适的参数,使其预测准确度更高。实验在2018年国内某机场航班延误数据集上构建预测模型,并对所提模型预测结果与其他预测模型预测结果进行比较分析。结果表明,提出的预测模型提高了航班延误预测的准确率。 展开更多

关键词 航班延误预测 独立循环神经网络 双向循环神经网络 粒子群算法

在线阅读 下载PDF 职称材料

基于叠层循环神经网络的语义关系分类模型 被引量：1

12

作者 郝志峰 陈培辉 +2 位作者 蔡瑞初 温雯 王丽娟 《计算机应用研究》 CSCD 北大核心 2020年第1期135-139,157,共6页

基于循环神经网络结合句法结构的方法被广泛运用于关系分类,利用神经网络对输入的编码信息自动获取特征并实现关系分类;然而,目前已有的方法主要是基于单一特定句法结构的模型,而特定句法结构的模型不能够迁移到其他句法结构类型上。针... 基于循环神经网络结合句法结构的方法被广泛运用于关系分类,利用神经网络对输入的编码信息自动获取特征并实现关系分类;然而,目前已有的方法主要是基于单一特定句法结构的模型,而特定句法结构的模型不能够迁移到其他句法结构类型上。针对该问题,提出一种融合多句法结构的叠层循环神经网络模型。该叠层循环神经网络分为两层进行网络构建,首先在序列层进行实体预训练,通过Bi-LSTM-CRF融合attention机制,提高模型对文本序列上实体信息的关注度,从而获取更加准确的实体特征信息,促进关系层阶段更好地分类;其次在关系层,将Bi-Tree-LSTM嵌套在序列层之上,并将序列层的隐状态与实体特征信息传入关系层,利用共享参数对三种不同的句法结构进行加权学习,通过端到端的模型训练并实现语义关系分类。实验结果表明,该模型在SemEval-2010 Task8语料库上的marco-F1值达到了85.9%,并进一步地提升了模型的鲁棒性。 展开更多

关键词 叠层循环神经网络 多句法结构 Bi-Tree-LSTM 注意力机制 关系分类

在线阅读 下载PDF 职称材料

基于增强双向长短时记忆神经网络的测井数据重构 被引量：13

13

作者 张海涛 杨小明 +4 位作者 陈阵 赵海航 周伟 黄兆辉 赖富强 《地球物理学进展》 CSCD 北大核心 2022年第3期1214-1222,共9页

测井数据是油气田开发和评价的基础,对于地下储层地质建模和指导油气藏勘探具有重要意义.然而,由于实际开采过程中井径垮塌、仪器故障等原因往往导致整段甚至整条测井数据失真或缺失,而重新测井成本高昂,施工难度大.本文提出一种基于增... 测井数据是油气田开发和评价的基础,对于地下储层地质建模和指导油气藏勘探具有重要意义.然而,由于实际开采过程中井径垮塌、仪器故障等原因往往导致整段甚至整条测井数据失真或缺失,而重新测井成本高昂,施工难度大.本文提出一种基于增强双向长短时记忆神经网络(简称:DBi-LSTM)的测井数据重构方法,在不增加额外测量成本的情况下,充分考虑缺失数据点的前趋和后继之间的双向关联性,通过增加双向长短时记忆神经网络深度来增强模型表达能力并利用迭代更新策略完成整段缺失数据块的重构.对比循环神经网络、长短时记忆神经网络及双向长短时记忆神经网络,实验表明提出的方法具有更好的数据重构精确度. 展开更多

关键词 测井数据 重构 循环神经网络 双向长短时记忆神经网络

原文传递

基于深度跟驰网络的驾驶行为预测

14

作者 赵栓峰 危培 +1 位作者 王超 许倩 《中国科技论文》 CAS 北大核心 2021年第10期1105-1111,共7页

针对传统跟驰模型在实际应用中对前车驾驶行为描述不够准确的问题,提出一种自学习的深度跟驰网络模型。首先,为提高对前导车检测的准确性,在图像特征提取模块各层之间大量使用跳层连接,使网络检测深度增强;其次,在信息处理模块中引入测... 针对传统跟驰模型在实际应用中对前车驾驶行为描述不够准确的问题,提出一种自学习的深度跟驰网络模型。首先,为提高对前导车检测的准确性,在图像特征提取模块各层之间大量使用跳层连接,使网络检测深度增强;其次,在信息处理模块中引入测距、测速算法,实现对前导车速度和相对距离的精准判断;最后,为提高模型的预测精度,在循环神经网络(recurrent neural network,RNN)隐藏层中引入Tanh激活函数,并采用双向RNN作为多任务输出模块。实验结果表明,所提深度跟驰网络能够实现对驾驶行为的良好预测,基本满足驾驶员在行驶过程中对于前导车速度和相对距离的预测需求。 展开更多

关键词 深度跟驰网络 目标检测 双向RNN 测速测距算法 驾驶行为预测

在线阅读 下载PDF 职称材料

基于循环神经网络的对话系统记忆机制 被引量：6

15

作者 易炜 何嘉 邹茂扬 《计算机工程与设计》 北大核心 2019年第11期3259-3264,共6页

针对基于循环神经网络(recurrent neural network,RNN)的对话系统缺乏上下文记忆能力的问题,提出一种带有额外记忆能力模块的深度学习模型。以序列到序列框架为基础,增加一个基于双向循环神经网络(Bi-directional RNN)和全连接神经网络... 针对基于循环神经网络(recurrent neural network,RNN)的对话系统缺乏上下文记忆能力的问题,提出一种带有额外记忆能力模块的深度学习模型。以序列到序列框架为基础,增加一个基于双向循环神经网络(Bi-directional RNN)和全连接神经网络的记忆选择模块。通过把当前对话和上下文输入到记忆选择模块中得到一个选择值,比较选择值与阈值决定是否把上下文语句也加入到当前对话的序列到序列结构的编码端,使模型在需要使用上下文信息的时候可以选择性地获取,使得模型具备记忆能力。实验结果表明,使用相同的语料库进行训练,加入了记忆能力模块的模型相比没有记忆能力的模型明显具备了结合上下文的记忆能力,可以生成更准确的回复。 展开更多

关键词 对话系统 记忆机制 序列到序列框架 循环神经网络 双向循环神经网络

在线阅读 下载PDF 职称材料

基于多特征提取的图像语义描述算法 被引量：3

16

作者 赵小虎 李晓 《计算机应用》 CSCD 北大核心 2021年第6期1640-1646,共7页

针对图像语义描述方法中存在的图像特征信息提取不完全以及循环神经网络(RNN)产生的梯度消失问题,提出了一种基于多特征提取的图像语义描述算法。所构建模型由三个部分组成:卷积神经网络(CNN)用于图像特征提取,属性提取模型(ATT)用于图... 针对图像语义描述方法中存在的图像特征信息提取不完全以及循环神经网络(RNN)产生的梯度消失问题,提出了一种基于多特征提取的图像语义描述算法。所构建模型由三个部分组成:卷积神经网络(CNN)用于图像特征提取,属性提取模型(ATT)用于图像属性提取,而双向长短时记忆(Bi-LSTM)网络用于单词预测。该模型通过提取图像属性信息来增强图像表示,从而精确描述图中事物,并且使用Bi-LSTM捕捉双向语义依赖,从而进行长期的视觉语言交互学习。首先,使用CNN和ATT分别提取图像全局特征与图像属性特征;其次,将两种特征信息输入到BiLSTM中生成能够反映图像内容的句子;最后,在Microsoft COCO Caption、Flickr8k和Flickr30k数据集上验证了所提出算法的有效性。实验结果表明,与m-RNN方法相比,所提出的算法在描述性能方面提高了6.8~11.6个百分点。所提算法能够有效地提高模型对图像的语义描述性能。 展开更多

关键词 图像语义描述 图像属性 双向长短时记忆网络 卷积神经网络 循环神经网络

在线阅读 下载PDF 职称材料

理论术语抽取的深度学习模型及自训练算法研究 被引量：50

17

作者 赵洪 王芳 《情报学报》 CSSCI CSCD 北大核心 2018年第9期923-938,共16页

理论术语的抽取是大规模文献内容分析和跨学科知识转移深度揭示的基础。作为一种特定类型的命名实体,理论术语涉及的学科多、文献规模大、特征复杂,也缺乏大规模的成熟语料,因而抽取难度较大。为提高理论术语的抽取性能并降低训练集的... 理论术语的抽取是大规模文献内容分析和跨学科知识转移深度揭示的基础。作为一种特定类型的命名实体,理论术语涉及的学科多、文献规模大、特征复杂,也缺乏大规模的成熟语料,因而抽取难度较大。为提高理论术语的抽取性能并降低训练集的人工标注代价,本文构建了面向理论术语抽取的深度学习模型,并研究了该模型中理论术语的特征构造和标注方法,同时也提出了一种自训练算法以实现模型的弱监督学习。通过实验对比,分别验证了本文模型和自训练算法的有效性,不仅为理论术语抽取提供了更加有效的通用方法,也为其他类型命名实体的识别研究提供了方法参考。 展开更多

关键词 理论术语抽取 深度学习 循环神经网络 Bi-LSTM-CRF 自训练

在线阅读 下载PDF 职称材料

在线医疗问答文本的命名实体识别 被引量：26

18

作者 杨文明 褚伟杰 《计算机系统应用》 2019年第2期8-14,共7页

本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据,采用{B, I, O}标注体系构建数据集,抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型,提出两种深度学习模型IndRNN-CRF和IDCNN... 本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据,采用{B, I, O}标注体系构建数据集,抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型,提出两种深度学习模型IndRNN-CRF和IDCNN-BiLSTM-CRF,并在自构建数据集上验证模型的有效性.将新提出的两种模型与基准模型通过实验对比得出:模型IDCNN-BiLSTM-CRF的F1值0.8116,超过了BiLSTM-CRF的F1值0.8009, IDCNN-BiLSTM-CRF整体性能好于BiLSTM-CRF模型;模型IndRNN-CRF的精确率0.8427,但该模型在召回率上低于基准模型BiLSTM-CRF. 展开更多

关键词 医疗问答 深度学习 独立循环神经网络 膨胀卷积 双向循环神经网络

在线阅读 下载PDF 职称材料

基于Attention-BiLSTM-LSTM神经网络的短期电力负荷预测方法 被引量：45

19

作者 龚飘怡 罗云峰 +1 位作者 方哲梅 窦帆 《计算机应用》 CSCD 北大核心 2021年第S01期81-86,共6页

短期电力负荷预测是电力系统中的重要问题之一,准确的预测结果可以提高电力市场的灵活性和资源利用效率,对电力系统高效运行具有重要意义。为了提高预测精度,针对电网负荷数据的时序性特征,提出一种基于Attention-BiLSTM-LSTM神经网络... 短期电力负荷预测是电力系统中的重要问题之一,准确的预测结果可以提高电力市场的灵活性和资源利用效率,对电力系统高效运行具有重要意义。为了提高预测精度,针对电网负荷数据的时序性特征,提出一种基于Attention-BiLSTM-LSTM神经网络的短期电力负荷预测方法。该方法首先针对电力负荷的影响因素(温度、节假日等)提取特征,并使用双向长短期记忆(BiLSTM)神经网络层进行双向时序的特征学习;将双向时序特征作为长短期记忆(LSTM)神经网络层的输入,用LSTM神经网络建模学习时序数据的内部变化规律;使用attention机制计算LSTM隐层状态的不同权重,以对隐层状态进行选择性地关注;结合注意力权重和LSTM神经网络进行负荷预测,最后使用全连接层输出负荷预测结果。使用EUNIT电力负荷数据集进行实验,采用提前单点预测模式,该方法的平均绝对百分比误差(MAPE)达到1.66%,均方根误差(RMSE)达到814.85。通过与单LSTM网络、基于attention机制的LSTM网络(Attention-LSTM)、前馈神经网络(FFNN)、卷积神经网络联合长短期记忆神经网络(CNN-LSTM)等4种典型的负荷预测模型结果对比,验证了Attention-BiLSTM-LSTM神经网络方法更加准确有效。 展开更多

关键词 短期负荷预测 长短期记忆神经网络 注意力机制 循环神经网络 双向长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于深度学习框架SSA-BiLSTM网络的风速预测 被引量：5

20

作者 丁仁强 周武能 +1 位作者 程航洋 刘佳伦 《计算机与数字工程》 2020年第11期2578-2583,2594,共7页

在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测。该方法在已有典型LSTM方法基础上进行改进,使用双向LST... 在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测。该方法在已有典型LSTM方法基础上进行改进,使用双向LSTM网络,使得输出层不仅可以得到输入序列中每个数据点的过去信息,还可以获得输入序列中每个数据点的未来信息。同时,集成了奇异谱分析法对输入序列数据进行预处理,提取趋势信息和去除噪声。仿真及实验结果证明了论文所提方法的有效性,与支持向量机回归算法、K-最近邻算法及典型LSTM方法相比较,论文所提出的SSABiLSTM方法在风速预测上提高了预测的精确度。 展开更多

关键词 奇异谱分析法 循环神经网络 双向长短期记忆网络 风速预测

在线阅读 下载PDF 职称材料