期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于BiLSTM-GCN的新能源场站暂态无功分布式协同优化方法
1
作者 卢国强 王恺 +1 位作者 安娜 王照雷 《太阳能学报》 北大核心 2026年第2期266-278,共13页
针对光伏、储能等直流新能源发电资源接入电网的比例不断提高下新能源场站面临无功支撑能力不足的问题,提出一种基于图卷积网络(GCN)和双向长短期记忆网络(BiLSTM)的新能源场站暂态无功分布式协同优化方法。首先,通过构建多无功资源接... 针对光伏、储能等直流新能源发电资源接入电网的比例不断提高下新能源场站面临无功支撑能力不足的问题,提出一种基于图卷积网络(GCN)和双向长短期记忆网络(BiLSTM)的新能源场站暂态无功分布式协同优化方法。首先,通过构建多无功资源接入的新能源场站系统等值模型,研究多无功资源接入下的新能源场站暂态无功特性,建立新能源场站暂态无功模型;然后,以新能源场站无功资源运行成本为优化目标,建立新能源场站暂态无功协同优化模型,并结合BiLSTM-GCN对优化模型进行求解;最后,搭建新能源场站近区仿真系统模型,仿真验证所提新能源场站暂态无功协同优化方法的有效性。 展开更多
关键词 新能源场站 无功资源 暂态分析 协同优化 bilstm-gcn
原文传递
基于句法语义增强的实体事件关系对联合抽取
2
作者 高剑奇 黄典 骆祥峰 《应用科学学报》 北大核心 2025年第6期1024-1036,共13页
针对事件描述边界模糊、句法语义信息利用率低的问题,提出了基于句法语义增强的实体事件关系对联合抽取模型。该方法充分考虑了实体和事件的上下文信息、时序信息和句法结构信息。首先,利用双向长短时记忆网络捕获文本的上下文信息和时... 针对事件描述边界模糊、句法语义信息利用率低的问题,提出了基于句法语义增强的实体事件关系对联合抽取模型。该方法充分考虑了实体和事件的上下文信息、时序信息和句法结构信息。首先,利用双向长短时记忆网络捕获文本的上下文信息和时序信息,生成语义更加丰富的嵌入表示;然后,设计了基于句法语义增强的实体事件关系对联合抽取模型,充分考虑文本的句法标签语义信息;最后,将实体事件关系对抽取和实体事件匹配两个子任务进行关联,实现实体事件关系对的联合抽取。实验结果表明,所提出的联合抽取方法在提高模型训练效率的同时,可以实现模型训练参数共享并减少错误标签传播,有效提高了实体事件关系对抽取的准确率。 展开更多
关键词 事件抽取 实体事件匹配 事件关系对抽取 句法语义增强 双向长短期记忆网络 图卷积网络
在线阅读 下载PDF
基于GCN-BiLSTM的磨煤机故障预警
3
作者 郭嘉曦 付乐东 《工业控制计算机》 2025年第9期81-83,共3页
现有磨煤机故障预警方法直接将运行数据送入模型,未充分考虑各变量的空间依赖关系,设置的静态阈值对多变的运行工况适应性差。为此,提出一种基于GCN-BiLSTM的磨煤机故障预警方法。通过图卷积网络和双向长短时记忆网络依次提取数据中的... 现有磨煤机故障预警方法直接将运行数据送入模型,未充分考虑各变量的空间依赖关系,设置的静态阈值对多变的运行工况适应性差。为此,提出一种基于GCN-BiLSTM的磨煤机故障预警方法。通过图卷积网络和双向长短时记忆网络依次提取数据中的空间和时间特征,对下一时刻数据进行预测。以预测残差为基础,使用指数加权移动平均法实时计算动态阈值,并设计由报警信号和故障信号组成的两级故障预警机制。以华东某火电机组磨煤机运行数据为例,提出方法能够在故障发生前60小时监测到设备异常状态并发出故障信号,优于对比方法。 展开更多
关键词 磨煤机 故障预警 GCN BiLSTM 动态阈值
在线阅读 下载PDF
基于滚动模态分解和GCN-DABiLSTM的综合能源系统多元负荷预测模型
4
作者 罗林霖 王霄 +1 位作者 何志琴 尹曜华 《广东电力》 北大核心 2025年第9期130-144,共15页
针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble emp... 针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对电、冷、热负荷进行初步分解,生成一系列子序列;其次,采用模糊散布熵(fuzzy discrete entropy,FDE)对子序列进行复杂性评估并聚合;然后,通过变分模态分解(variational mode decomposition,VMD)对高频分量进行二次分解,将原始序列解耦为特征聚焦且平稳的子序列。在分解过程中,引入滚动分解策略,规避了传统基于模态分解的预测方法带来的信息渗透问题。最后,构建一个结合图卷积网络(graph convolutional network,GCN)和双重注意力(dual-attention mechanism,DA)机制优化的双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的组合预测框架,用于多元负荷预测。基于美国亚利桑那州立大学IES数据的验证表明,该模型相较于其他模型,预测误差显著降低,验证了其在预测任务中的有效性。 展开更多
关键词 负荷预测 滚动模态分解 模糊散布熵 图卷积网络 双向长短期记忆网络 双重注意力机制
在线阅读 下载PDF
融合多语义特征的命名实体识别方法 被引量：3
5
作者 左亚尧 陈皓宇 +2 位作者 陈致然 洪嘉伟 陈坤 《计算机应用》 CSCD 北大核心 2022年第7期2001-2008,共8页
针对语言普遍存在的字符间非线性关系,为捕获更丰富的语义特征,提出了一种基于图卷积神经网络(GCN)和自注意力机制的命名实体识别(NER)方法。首先,借助深度学习方法有效提取字符特征的能力,采用GCN学习字符间的全局语义特征,并且采用双... 针对语言普遍存在的字符间非线性关系,为捕获更丰富的语义特征,提出了一种基于图卷积神经网络(GCN)和自注意力机制的命名实体识别(NER)方法。首先,借助深度学习方法有效提取字符特征的能力,采用GCN学习字符间的全局语义特征,并且采用双向长短时记忆网络(BiLSTM)提取字符的上下文依赖特征;其次,融合以上特征并引入自注意力机制计算其内部重要度;最后,使用条件随机场(CRF)从融合特征中解码出最优的编码序列,并以此作为实体识别的结果。实验结果表明,与单一采用BiLSTM和CRF的方法相比,所提方法在微软亚洲研究院(MSRA)数据集和BioNLP/NLPBA 2004数据集上的精确率分别至少提高了2.39%和15.2%。可见该方法在中文和英文数据集上都具备良好的序列标注能力,且泛化能力较强。 展开更多
关键词 命名实体识别 序列标注 自注意力机制 图卷积网络 双向长短时记忆网络
在线阅读 下载PDF
基于GCN和BiLSTM的Android恶意软件检测方法 被引量：2
6
作者 贺娇君 蔡满春 芦天亮 《计算机科学》 CSCD 北大核心 2024年第4期388-395,共8页
现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和BiLSTM的Android恶意软件检测模型,在精准提取样本结... 现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和BiLSTM的Android恶意软件检测模型,在精准提取样本结构信息的同时对恶意行为语义进行重点分析。首先以图的方式表征26类关键系统调用间的拓扑关系,使用双层GCN网络聚合系统调用图中节点的高阶结构信息,有效提高特征学习效率;然后利用带有自注意力机制的BiLSTM网络获取操作码序列的上下文语义,通过为具有恶意特征的序列赋予高权重得到特征内部的强相关性;最后使用Softmax输出融合结构信息和上下文特征的样本分类概率。在基于Drebin和AndroZoo数据集的实验中,所提模型准确率达到了93.95%,F1值达到了97.09%,相较于基准算法有显著提高,充分证明了基于GCN和BiLSTM的模型能有效提升Android恶意软件的检测效果。 展开更多
关键词 ANDROID 恶意软件检测 GCN BiLSTM
在线阅读 下载PDF
融合文本图卷积神经网络与注意力机制的唐诗情感分析 被引量：1
7
作者 蒋天奇 方贤进 任萍 《湖北民族大学学报（自然科学版）》 CAS 2024年第2期205-211,共7页
针对目前唐诗情感分析任务的语义提取不充分、数据集不完善的问题,构建了一个全新的唐诗情感分类数据集且进一步细化了情感极性,提出了一种融合文本图卷积神经网络与注意力机制(text-graph convolutional neural networks with attentio... 针对目前唐诗情感分析任务的语义提取不充分、数据集不完善的问题,构建了一个全新的唐诗情感分类数据集且进一步细化了情感极性,提出了一种融合文本图卷积神经网络与注意力机制(text-graph convolutional neural networks with attention mechanism,AM-Text-GCN)的情感分类模型。模型首先结合双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和注意力机制捕捉唐诗中的上下文信息和诗句间的语义特征,然后利用融入依存句法分析的2层文本图卷积神经网络在图卷积操作中聚合唐诗全局特征,最终输出唐诗的情感极性。结果表明,所提出模型的S F1值达了79.83%,相较于文本图神经网络的S F1值提高了5.46%,有效地提高了唐诗情感分析的准确性。该研究对于探索诗词情感在历史变迁中的作用具有重要意义和广泛的应用前景。 展开更多
关键词 情感分析 唐诗 文本图卷积神经网络 注意力机制 双向长短期记忆网络
在线阅读 下载PDF
基于句法依存分析的图网络生物医学命名实体识别 被引量：3
8
作者 许力 李建华 《计算机应用》 CSCD 北大核心 2021年第2期357-362,共6页
现有的生物医学命名实体识别方法没有利用语料中的句法信息,准确率不高。针对这一问题,提出基于句法依存分析的图网络生物医学命名实体识别模型。首先利用卷积神经网络(CNN)生成字符向量并将其与词向量拼接,然后将其送入双向长短期记忆(... 现有的生物医学命名实体识别方法没有利用语料中的句法信息,准确率不高。针对这一问题,提出基于句法依存分析的图网络生物医学命名实体识别模型。首先利用卷积神经网络(CNN)生成字符向量并将其与词向量拼接,然后将其送入双向长短期记忆(BiLSTM)网络进行训练;其次以句子为单位对语料进行句法依存分析,并构建邻接矩阵;最后将BiLSTM的输出和通过句法依存分析构建的邻接矩阵送入图卷积网络(GCN)进行训练,并引入图注意力机制优化邻接节点的特征权重得到模型输出。所提模型在JNLPBA和NCBI-disease数据集上的F1值分别达到了76.91%和87.80%,相比基准模型分别提升了2.62和1.66个百分点。实验结果证明,提出的方法能有效提升模型在生物医学命名实体识别任务上的表现。 展开更多
关键词 生物医学 命名实体识别 双向长短期记忆网络 图卷积网络 句法依存分析 图注意力机制
在线阅读 下载PDF
融合词性句法位置特征的汉老双语句子相似度计算
9
作者 郭雷 周兰江 周蕾越 《中文信息学报》 CSCD 北大核心 2023年第12期76-86,共11页
汉语和老挝语句子表达存在较大的词序差异,在汉老平行句对语料中融入名词、形容词、量词、数词等词性的位置特征能有效提高句子相似度量的准确性。该文提出一种基于词性句法位置特征的相似度计算方法,首先向汉老双语句子添加特征词标签... 汉语和老挝语句子表达存在较大的词序差异,在汉老平行句对语料中融入名词、形容词、量词、数词等词性的位置特征能有效提高句子相似度量的准确性。该文提出一种基于词性句法位置特征的相似度计算方法,首先向汉老双语句子添加特征词标签和特征词性标签使得句子的分布式表示包含更丰富的语义信息,然后利用含有自注意力机制(Self-Attention)的3个不同卷积核尺度的门控线性卷积网络(GCN)和双向长短时记忆网络(BiLSTM)分别挖掘汉老双语句子的深层语义信息,将两个网络输出的特征语义向量拼接,最后计算特征语义向量的相对差和相对积,将二者拼接并输入到全连接层得到汉老双语句子的相似度分数。实验结果表明,该文提出的方法在有限的语料下取得了更好的效果,F_1值达到了77.19%。 展开更多
关键词 汉语-老挝语 词性句法位置特征 门控线性卷积网络 双向长短期记忆网络 自注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部