期刊文献+
共找到652篇文章
< 1 2 33 >
每页显示 20 50 100
基于cBert-GCN的煤矿“三违”数据短文本分类
1
作者 吴徐燕 杨超宇 《煤炭工程》 北大核心 2026年第1期184-191,共8页
针对煤矿“三违”文本分类数据存在专业性强、语义易混淆、样本比例失衡3种问题,提出cBert-GCN煤矿“三违”文本分类模型。考虑到存在除专业领域信息外,煤矿“三违”文本数据简短,同时具有上下文关联紧密以及固有二义性,引入拼音、字形... 针对煤矿“三违”文本分类数据存在专业性强、语义易混淆、样本比例失衡3种问题,提出cBert-GCN煤矿“三违”文本分类模型。考虑到存在除专业领域信息外,煤矿“三违”文本数据简短,同时具有上下文关联紧密以及固有二义性,引入拼音、字形向量以增强表达煤矿“三违”文本数据。文章将GCN用于煤矿“三违”文本分类中,构建文本共现图以捕获文本中的结构信息和依赖关系,采用中文预训练模型和图卷积神经网络结合的方式进行特征学习,融合字符级和词级,设置二者权重以实现对煤矿“三违”数据的准确分类。结果表明:cBert-GCN模型在训练样本上的准确率高于其他模型达到97.03%,且在测试样本中准确率达到93.17%,具备良好泛化能力。因此,cBert-GCN模型在煤矿“三违”文本数据方面具有比较明显的应用优势。 展开更多
关键词 煤矿“三违” gcn 特征学习 训练样本 文本共现
在线阅读 下载PDF
基于TCN-GCN的井下DC-DC电路软故障诊断
2
作者 何景贤 姜媛媛 《煤矿机械》 2026年第1期183-187,共5页
针对煤矿井下电控系统中DC-DC电源模块电容软故障类型多样、诊断精度不足的问题,提出了一种基于并行时序卷积网络(TCN)与图卷积网络(GCN)的融合模型。以150 W Boost型DC-DC电源为研究对象,采集电路中4个测点的电压信号。该模型通过TCN... 针对煤矿井下电控系统中DC-DC电源模块电容软故障类型多样、诊断精度不足的问题,提出了一种基于并行时序卷积网络(TCN)与图卷积网络(GCN)的融合模型。以150 W Boost型DC-DC电源为研究对象,采集电路中4个测点的电压信号。该模型通过TCN捕获长时依赖特征,以GCN刻画测点拓扑关系;二者在特征层拼接,实现时间维与空间结构信息的互补融合。实验结果表明,该模型平均准确率达99.72%;在6 dB、4 dB、2 dB、0 dB信噪比条件下,准确率分别达到99.48%、98.54%、98.17%和93.78%,高于其他模型。该研究为煤矿井下电控设备中电容软故障的智能诊断提供了有效技术路径。 展开更多
关键词 电路软故障诊断 煤矿井下电控系统 TCN gcn
原文传递
基于BiLSTM-GCN的新能源场站暂态无功分布式协同优化方法
3
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GCN-LSTM的建筑电气设备能耗超低控制方法
4
作者 李刚 《电气应用》 2026年第2期28-35,共8页
建筑电气设备运行时多设备间时空耦合,使得空间拓扑关联与能耗时序动态交互影响,难以准确提取空间特征及时序特征,导致预测精度受限;且多扰动因素下控制呈非线性,导致控制效果不佳。为此,提出融合图卷积网络(GCN)与长短期记忆(LSTM)网... 建筑电气设备运行时多设备间时空耦合,使得空间拓扑关联与能耗时序动态交互影响,难以准确提取空间特征及时序特征,导致预测精度受限;且多扰动因素下控制呈非线性,导致控制效果不佳。为此,提出融合图卷积网络(GCN)与长短期记忆(LSTM)网络的建筑电气设备能耗超低控制方法。通过构建以区域设备能耗与环境参数为节点的图结构数据,利用GCN提取设备间空间依赖特征,耦合LSTM捕捉多尺度时序动态,实现具有强解释性的时空融合预测。设计具备高增益补偿与非线性跟踪微分机制的自适应模糊控制器,依据实时能耗偏差动态调整控制参数,抑制温湿度波动与负荷扰动,实现多设备协同下的超低能耗跟踪控制。实验结果表明,本方法在保持全时段能耗低于30 kW·h的前提下,预测值与实测值拟合度高,日均总能耗降幅超25%,且在控制响应速度、工况适应性与多设备协同精度方面均较为优越,具有良好的应用性能。 展开更多
关键词 gcn LSTM 建筑电气设备 能耗超低控制 能耗预测 模糊控制
原文传递
风向相似度自适应GCN-LSTM模型在昆山市PM_(2.5)预测中的应用
5
作者 朱梁 陈广银 +2 位作者 陈敏竹 俞卫 冯蕾 《四川环境》 2026年第1期46-52,共7页
引入基于风向相似度自适应的GCN-LSTM模型进行昆山市PM_(2.5)预测,并与GCN模型和LSTM模型预测结果进行比较。结果显示,风向相似度自适应GCN-LSTM模型对昆山市PM_(2.5)浓度模拟的整体平均绝对误差、均方根误差和平均绝对百分比误差分别为... 引入基于风向相似度自适应的GCN-LSTM模型进行昆山市PM_(2.5)预测,并与GCN模型和LSTM模型预测结果进行比较。结果显示,风向相似度自适应GCN-LSTM模型对昆山市PM_(2.5)浓度模拟的整体平均绝对误差、均方根误差和平均绝对百分比误差分别为3.30μg/m^(3)、5.16μg/m^(3)和15.6%,低于GCN模型和LSTM模型的对应指标。对于未来1 h PM_(2.5)浓度预测,风向相似度自适应GCN-LSTM模型在多个方面均比GCN模型和LSTM模型表现更好。 展开更多
关键词 细颗粒物 风向相似度自适应gcn-LSTM模型 图卷积网络 长短期记忆网络
在线阅读 下载PDF
基于KGCN的地质地震灾害事件演化结果预测 被引量:1
6
作者 邵舒羽 张扬 刘艳 《中国安全科学学报》 北大核心 2025年第2期212-219,共8页
为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱... 为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱中的实体和关系进行深度学习,挖掘潜在的关联规则,从而预测灾害的演化结果;最后,通过地质地震灾害事件案例集验证模型的有效性。结果表明:结合知识图谱和GCN的预测模型在地质地震灾害事件演化结果预测方面展现出显著效果,特别是在处理复杂的多源数据时,模型能够高效整合信息,准确挖掘潜在关联,在灾害等级、伤亡等级、承灾体类别等多个方面的预测准确率均表现优异,尤其是在灾害应急响应等级的预测上,准确率达到89.92%。 展开更多
关键词 知识图谱卷积网络(Kgcn) 地质地震灾害 灾害事件 演化结果 知识图谱 图卷积神经网络(gcn)
原文传递
基于面部特征的中医体质辨识GCN模型研究 被引量:1
7
作者 张琪 胡孔法 +4 位作者 杨涛 王子琰 韩笑 徐安迎 管爱华 《中华中医药学刊》 北大核心 2025年第8期9-12,I0002,共5页
根据中医相关理论,不同体质的人,其气、血、津液等方面存在差异,这会影响其健康和疾病表现。近年来,尽管基于中医体质辨识的研究已有了突破性进展,但依然面临着很多挑战。提出一种基于面部特征的中医体质辨识模型,结合数据扩增和图卷积... 根据中医相关理论,不同体质的人,其气、血、津液等方面存在差异,这会影响其健康和疾病表现。近年来,尽管基于中医体质辨识的研究已有了突破性进展,但依然面临着很多挑战。提出一种基于面部特征的中医体质辨识模型,结合数据扩增和图卷积神经网络模型,解决数据集不足和机器学习模型辨识能力较差的问题。首先使用数据扩增技术对获取的图像数据进行数据集扩增,从而提高模型训练的泛化能力和稳定性,再将这些图像进行分割构造适用于图卷积神经网络模型的图结构,最后送到Softmax分类器中进行分类。实验结果显示,所提出的模型的体质辨识模型准确率、召回率、F1值分别达到77.97%、78.98%、77.87%,效果优于经典的机器学习体质辨识模型。 展开更多
关键词 中医体质 深度学习 gcn 准确度 机器学习
原文传递
基于PCC-GCN-MHSA特征融合的滚动轴承故障诊断方法
8
作者 孙兆泽 李成强 李东海 《制造业自动化》 2026年第2期86-98,共13页
针对滚动轴承故障诊断中存在的特征融合效果差、准确率低及泛化能力弱等问题,提出了一种基于PCC-GCN-MHSA特征融合的故障诊断方法。该方法构建了融合时序信号与图像信息的双通道特征提取框架,分别通过RIME-BiLSTM提取一维时序信号特征,G... 针对滚动轴承故障诊断中存在的特征融合效果差、准确率低及泛化能力弱等问题,提出了一种基于PCC-GCN-MHSA特征融合的故障诊断方法。该方法构建了融合时序信号与图像信息的双通道特征提取框架,分别通过RIME-BiLSTM提取一维时序信号特征,GADF-CNN-BiLSTM提取二维图像特征。基于信号与图像双通道特征,利用皮尔逊相关系数矩阵并结合阈值过滤构建固定拓扑结构,将多源特征映射为图节点,引入图卷积网络挖掘局部结构信息。同时,进一步引入多头自注意力机制建模节点间的全局依赖关系,弥补固定图结构在捕捉全局与弱相关特征方面的不足。最后,通过梯度提升分类树实现故障分类。基于凯斯西储大学与德国帕德博恩大学轴承故障数据集,开展了多工况下的模型训练与验证,结合t-SNE特征可视化、鲁棒性分析、不同模型对比分析以及消融实验,全面评估了模型性能。实验结果表明,该方法与其他传统多尺度故障诊断模型相比,在两个不同数据集上准确率分别平均提升了0.7%~2.1%与0.5%~1.8%。 展开更多
关键词 故障诊断 滚动轴承 图卷积网络 皮尔逊相关系数矩阵 多头自注意力机制
在线阅读 下载PDF
求解旅行商问题的GCN-Pointransformer模型
9
作者 邱云飞 刘一菲 +1 位作者 于智龙 金海波 《计算机科学与探索》 北大核心 2025年第3期657-666,共10页
由于Transformer模型基于全连接注意力机制,导致在求解经典旅行商问题(TSP)时,计算复杂度较高并且GPU内存使用量过大。针对此问题,提出了一种基于图卷积嵌入层和多头局部自注意力机制的GCN-Pointransformer模型。使用图卷积嵌入方式从... 由于Transformer模型基于全连接注意力机制,导致在求解经典旅行商问题(TSP)时,计算复杂度较高并且GPU内存使用量过大。针对此问题,提出了一种基于图卷积嵌入层和多头局部自注意力机制的GCN-Pointransformer模型。使用图卷积嵌入方式从输入数据中进行空间特征学习,图卷积嵌入层包含多个可以提取输入数据局部特征的卷积核;使用多头局部自注意力机制(MHLSA),删除冗余信息并提取有用的特征;在编码器中使用可逆残差网络,在反向传播过程中只存储输入和输出嵌入特征对;模型在解码器中增加了Pointer指针层,使用注意力权重作为概率分布,确定要访问的下一个节点。在TSP随机数据集上进行对比实验,优化间隙减少12%,GPU内存减少约11%,推理时间减少约25%,结果表明,该方法优于求解TSP的标准Transformer模型。 展开更多
关键词 旅行商问题(TSP) gcn-Pointransformer 多头局部自注意力机制(MHLSA) 可逆残差 指针层
在线阅读 下载PDF
基于MRF-GCN-Transformer的滚动轴承剩余寿命预测
10
作者 李耀华 张宇 +1 位作者 杨通江 石瑞勃 《振动与冲击》 北大核心 2025年第20期328-337,共10页
针对传统神经网络在处理滚动轴承振动信号时,由于信号的非线性和非平稳性导致的预测精度不高的问题,提出了一种基于多感受野图卷积网络(multi receptive field graph convolutional networks,MRF-GCN)Transformer的滚动轴承剩余寿命预... 针对传统神经网络在处理滚动轴承振动信号时,由于信号的非线性和非平稳性导致的预测精度不高的问题,提出了一种基于多感受野图卷积网络(multi receptive field graph convolutional networks,MRF-GCN)Transformer的滚动轴承剩余寿命预测方法,结合MRF-GCN和Transformer网络对轴承的振动信号进行特征提取和寿命预测。相较于传统GCN忽视邻居节点重要性差异且采用固定的感受野,MRF-GCN方法通过引入多个感受野,有效捕捉图结构中的多尺度信息,并通过可学习的权重参数优化模型对复杂关系的捕捉。同时提出一种基于邻接矩阵调整注意力得分的图注意力机制,可以自动构建时间与特征相关的图结构,并在训练过程中自适应学习连接权重,从而优化模型对复杂关系的捕捉并提升预测准确性。试验结果表明,该模型在PHM2012公开数据集上的预测性能表现良好,具有较高的准确性和鲁棒性,与卷积神经网络-Transformer和Transformer-BiLSTM等网络相比,平均绝对误差和均方根误差分别平均降低了12.7%和37.39%,决定系数平均提高了5.90%。 展开更多
关键词 滚动轴承 剩余寿命预测 多感受野图卷积网络(MRF-gcn) TRANSFORMER 图注意力机制
在线阅读 下载PDF
基于GCN–LSTM的尾矿坝多点位沉降变形预测方法
11
作者 刘迪 刘曜华 +3 位作者 卢才武 李鹏 张帅 曹建涛 《采矿与岩层控制工程学报》 北大核心 2025年第6期232-246,共15页
尾矿坝沉降变形具有复杂时空耦合特性,传统方法难以有效捕捉监测点间空间关联与时间动态演化。针对红岩沟尾矿坝的20个监测点(初期坝:J1/G1/X1/G2/J2;堆积坝:一级子坝D1/D2/D3/D4/D5,二级子坝C1/C2/C3/C4;副坝:G9/G10/G11/J9/J10/J11),... 尾矿坝沉降变形具有复杂时空耦合特性,传统方法难以有效捕捉监测点间空间关联与时间动态演化。针对红岩沟尾矿坝的20个监测点(初期坝:J1/G1/X1/G2/J2;堆积坝:一级子坝D1/D2/D3/D4/D5,二级子坝C1/C2/C3/C4;副坝:G9/G10/G11/J9/J10/J11),提出基于图卷积神经网络–长短期记忆网络(GCN–LSTM)的时空混合预测模型。首先采用小波阈值法预处理沉降数据,基于皮尔逊相关系数构建监测点空间关联的加权无向图;进而利用GCN模块提取空间拓扑特征,耦合LSTM模块学习时间依赖关系,建立时空联合预测框架;最终通过Adam优化器调优超参数。试验结果表明:模型预测精度显著优于传统方法 (RMSE=0.023 35,R=0.995 11),在结构异质性区域(初期坝/堆积坝/副坝)均能精准捕捉沉降趋势;消融试验中,其R较单一LSTM、GNN模型分别提高0.189 14与0.347 27,该模型通过融合空间关联与时间动态特性,实现了尾矿坝多点沉降高精度预测,为安全状态评估与溃坝风险预警提供了可靠技术支撑。 展开更多
关键词 尾矿坝 沉降预测 皮尔逊相关系数 gcn–LSTM融合模型
在线阅读 下载PDF
GCN2激酶及其抑制剂/激动剂研究进展
12
作者 陈瀚 刘鹏 +2 位作者 王瑞 李灵君 刘巍 《药物评价研究》 北大核心 2025年第7期2016-2030,共15页
General control non-derepressible 2(GCN2)属于一种压力应答丝氨酸/苏氨酸激酶,在整合应激反应(ISR)中负责感受氨基酸缺乏应激后产生一系列反应。GCN2的激活对于细胞的氧化应激、增殖、自噬、凋亡、免疫、蛋白质毒性和血管生成等均有... General control non-derepressible 2(GCN2)属于一种压力应答丝氨酸/苏氨酸激酶,在整合应激反应(ISR)中负责感受氨基酸缺乏应激后产生一系列反应。GCN2的激活对于细胞的氧化应激、增殖、自噬、凋亡、免疫、蛋白质毒性和血管生成等均有关键的调节作用,与肿瘤、心肌损伤、肺纤维化等的发生发展有一定的相关性。综述GCN2的生物学功能、结构特征、作用机制和疾病关联性,并总结分析GCN2抑制剂或激动剂的研发现状,重点阐述GCN2抑制剂或激动剂在抗肿瘤方向的临床应用潜力,为靶向GCN2激酶的新药开发提供参考。 展开更多
关键词 gcn2 整合应激反应 EIF2Α 激活转录因子4 肿瘤 抑制剂 激动剂
原文传递
基于GCN-DDPG的直流受端电网暂态电压稳定紧急控制
13
作者 李轻言 林涛 +2 位作者 杜蕙 付希越 李君 《武汉大学学报(工学版)》 北大核心 2025年第11期1748-1758,共11页
在高压直流输电受端新型电力系统中,直流及新能源电源的接入导致同步机开机减少,动态无功功率相对紧张,暂态电压失稳风险显著增大。基于直流逆变站可用作受端电网的紧急无功电源的思想,通过调节直流电流实现直流受端新型电力系统暂态电... 在高压直流输电受端新型电力系统中,直流及新能源电源的接入导致同步机开机减少,动态无功功率相对紧张,暂态电压失稳风险显著增大。基于直流逆变站可用作受端电网的紧急无功电源的思想,通过调节直流电流实现直流受端新型电力系统暂态电压稳定紧急控制。首先,为了高效快速获取紧急控制策略,并使其适应电网拓扑结构的变化,基于图卷积神经网络(graph convolutional network,GCN)对深度确定性决策梯度(deep deterministic policy gradient,DDPG)模型的网络结构进行改造,构建了GCN-DDPG融合模型。然后,基于GCNDDPG融合模型构建紧急控制模型并将其配置在安控主站。具体应用时,安控主站在线量化计算紧急控制策略,即直流电流控制方案,并将其发送至直流控保系统执行。利用改造的IEEE14节点算例验证了所提方法的有效性和优越性。 展开更多
关键词 高压直流输电 受端新型电力系统 暂态电压稳定 紧急控制 电流控制方案 DDPG gcn
原文传递
基于FFT-CNN-GCN的电网故障诊断
14
作者 安春丽 张碧玲 +2 位作者 赵国安 王博 刘岩 《浙江大学学报(工学版)》 北大核心 2025年第10期2205-2212,共8页
为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN... 为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN提取分解后数据的时序特征,引入层归一化增强模型的稳定性.结合GCN处理电网空间拓扑,提取并整合空间特征.通过对IEEE39节点电网系统的建模和仿真验证模型的有效性.实验结果表明,所提模型具有较强的泛化能力,在不同任务、采样间隔和噪声影响下的故障诊断准确率优于现有模型. 展开更多
关键词 故障类型 故障线路 故障距离 快速傅里叶变换(FFT) 卷积神经网络(CNN) 图卷积神经网络(gcn)
在线阅读 下载PDF
GCN2-eIF2α通路促进肺癌发生的分子机制研究
15
作者 陈弼松 王艺臻 +5 位作者 潘登 黄镇 彭方媛 唐玲微 刘文彬 陈跃军 《激光生物学报》 2025年第6期530-540,共11页
GCN2-eIF2α通路可以调节细胞生长,是综合应激反应(ISR)的关键组成部分。在恶性肿瘤中,肿瘤细胞处于慢性缺氧和营养缺乏的环境中,此时氨基酸分解代谢水平升高,GCN2-eIF2α通路被激活,蛋白质合成被抑制以维持自身状态。本研究以9例肺癌... GCN2-eIF2α通路可以调节细胞生长,是综合应激反应(ISR)的关键组成部分。在恶性肿瘤中,肿瘤细胞处于慢性缺氧和营养缺乏的环境中,此时氨基酸分解代谢水平升高,GCN2-eIF2α通路被激活,蛋白质合成被抑制以维持自身状态。本研究以9例肺癌患者非小细胞肺癌(NSCLC)的癌组织和与之匹配的正常组织样本为研究对象,采用组织学、转录组学、qRT-PCR和蛋白质免疫印迹技术联合分析,对GCN2-eIF2α通路调控癌细胞增殖的分子机制进行研究。石蜡切片结果表明,肺癌患者的癌组织肺泡细胞生长密集,肺泡间隔窄,细胞核染色不均,具有典型的恶性组织病理学特征。转录组研究表明,转录组中基因本体论(GO)和京都基因与基因组百科全书(KEGG)的富集结果确定了样本间的富集通路和差异基因,确定了GCN2-eIF2α通路在肺癌发生中的重要作用。进一步从中筛选出关键基因进行分子水平和蛋白水平上的验证,qRT-PCR结果显示,其在癌组织细胞和正常组织细胞中均有表达,且表达量在癌组织细胞中大多呈上调趋势(P<0.05),与转录组中的基因丰度分析结果一致。在蛋白水平的检测中,一般性调控阻遏蛋白激酶2(GCN2)和真核翻译起始因子2α激酶(eIF2α)的表达量在癌组织细胞中明显高于正常组织。这表明,GCN2-eIF2α通路与肺癌的发生密切相关。本研究可为eIF2α、GCN2作为新的肿瘤治疗靶点提供参考依据,也提供了一种通过抑制GCN2磷酸化eIF2α,从而抑制癌细胞发展的可能性,为解决当前抗肿瘤疗法的局限性提供了一种答案。 展开更多
关键词 肺癌 gcn2-eIF2α通路 转录组学 癌症发生机制 靶向肿瘤治疗
暂未订购
基于GCN-LSTM的城市短时交通流预测模型
16
作者 林雨辰 丁飞 《江苏通信》 2025年第3期100-106,122,共8页
为有效提取交通流的时空耦合特征,提升短时交通流预测精度,提出一种基于图卷积网络(Graph Convolutional Networks,GCN)与长短期记忆网络(Long Short-Term Memory,LSTM)的图卷积-长短时融合模型(Graph Convolutional-Long Short Term Me... 为有效提取交通流的时空耦合特征,提升短时交通流预测精度,提出一种基于图卷积网络(Graph Convolutional Networks,GCN)与长短期记忆网络(Long Short-Term Memory,LSTM)的图卷积-长短时融合模型(Graph Convolutional-Long Short Term Memory model, GCN-LSTM)。相较于单一LSTM模型,GCN-LSTM通过卷积操作提取路网空间相关性,结合LSTM捕捉时序动态特性,显著改善了预测性能。基于Pe Ms数据的实验表明:GCN-LSTM的MAE(Mean Absolute Error)与MSE(Mean Square Error)分别为较基线模型降低6.81%和19.6%。该模型为城市道路动态调控及车流协同优化提供了技术支撑,助力智慧交通系统建设。 展开更多
关键词 智慧交通系统 交通流预测 深度学习 gcn LSTM
在线阅读 下载PDF
基于联邦学习-GCN协同架构的智能家居设备动态协作优化研究 被引量:1
17
作者 盖筱岚 《黑龙江工业学院学报(综合版)》 2025年第5期121-127,共7页
针对物联网设备在动态环境下的协作优化问题,提出一种融合联邦学习与图卷积网络(GCN)的动态协作优化方法。该方法通过将设备网络建模为动态图结构,并利用联邦学习的分布式训练机制,实现了设备特征的高效聚合与隐私保护下的模型迭代。实... 针对物联网设备在动态环境下的协作优化问题,提出一种融合联邦学习与图卷积网络(GCN)的动态协作优化方法。该方法通过将设备网络建模为动态图结构,并利用联邦学习的分布式训练机制,实现了设备特征的高效聚合与隐私保护下的模型迭代。实验结果表明,所提方法在智能家居场景中具有显著优势,联邦学习-GCN模型训练总耗时仅435.82秒,较集中式方法缩短46.0%,通信开销降低41.6%。在实际部署中,目标环境维持时长提升61.1%,能耗减少21.6%。尽管在预测精度与稳定性方面略逊于集中式方法,但其在隐私安全、动态调整及能效优化方面的综合性能验证了技术路线的可行性。 展开更多
关键词 联邦学习 gcn模型 物联网设备 效率优化
在线阅读 下载PDF
GCN5L1对心肌梗死后心肌组织中炎性损伤及Treg细胞浸润的影响
18
作者 齐文美 王鸿鹄 《免疫学杂志》 2025年第3期157-164,共8页
目的探讨溶酶体生物合成复合体1亚基1(GCN5L1)对心肌梗死小鼠心肌炎性损伤及调节性T细胞(Treg)浸润的调控作用。方法利用GSE66360数据集中健康对照和心肌梗死患者全血样本,筛选出差异表达基因GCN5L1。分析GCN5L1与抗炎因子白介素-10(IL-... 目的探讨溶酶体生物合成复合体1亚基1(GCN5L1)对心肌梗死小鼠心肌炎性损伤及调节性T细胞(Treg)浸润的调控作用。方法利用GSE66360数据集中健康对照和心肌梗死患者全血样本,筛选出差异表达基因GCN5L1。分析GCN5L1与抗炎因子白介素-10(IL-10)、IL-35和Treg细胞标志物叉头样转录因子3(FOXP3)水平的相关性。采用结扎左冠状动脉方法建立C57BL/6小鼠心肌梗死模型,将30只小鼠分为假手术组、模型组、对照腺相关病毒(AAV9-NC)组、GCNSLI腺相关病毒(AAV9-GCN5L1)组和AAV9-GCN5L1+FOXP3抑制剂(表柔比星)组,每组6只。TTC染色测定心肌梗死面积;苏木精-伊红(HE)染色检测小鼠心肌组织病理变化;免疫荧光染色检测心肌组织GCN5L1和FOXP3阳性染色百分比;酶联免疫吸附测定(ELISA)检测心肌组织IL-10和IL-35水平;Western blot检测GCN5L1、Bax、Bcl-2及磷脂酰肌醇3-激酶/蛋白激酶B(PI3K/AKT)蛋白水平。对AAV9-NC组和AAV9-GCN5L1组心肌组织进行转录组学测序,差异基因进行基因本体(GO)、京都基因与基因组百科全书(KEGG)富集分析。结果在GSE66360数据集中,心肌梗死患者GCN5L1水平显著低于健康对照,并且GCN5L1水平与IL-10、IL-35和FOXP3水平均呈正相关性(P<0.01)。与假手术组比较,模型组小鼠心肌梗死面积增加,组织出现明显病理损伤,GCN5L1、IL-10和IL-35水平降低,Bax表达增加,Bcl-2表达减少,而AAV9-GCN5L1可逆转上述指标变化(P<0.01)。转录组学测序得到的差异基因在Treg细胞浸润和PI3K/AKT信号通路中富集显著。与模型组相比,AAV9-GCN5L1组心肌组织FOXP3阳性染色率、PI3K和AKT表达水平升高。与AAV9-GCN5L1组相比,AAV9-GCN5L1+表柔比星组FOXP3阳性染色率降低(P<0.01)。结论过表达GCN5L1减轻心肌梗死小鼠心肌炎性损伤,激活PI3K/AKT信号通路,增加Treg细胞浸润。 展开更多
关键词 心肌梗死 TREG细胞 gcn5L1 炎症因子
原文传递
基于图神经网络(GCN)和BERT模型改进的智能审计问答系统研究
19
作者 王珏 陈进 +2 位作者 武文丽 吴思佳 李庭燎 《商业会计》 2025年第23期75-78,共4页
为了提升智能审计问答系统在专业语境下的文本分类能力,更好地运用到事务所审计实务中,文章对图神经网络(GCN)和BERT模型的组合算法进行了探索。在智能审计中,文本分类面临着非结构化数据复杂、领域术语多样等挑战,传统算法难以充分利... 为了提升智能审计问答系统在专业语境下的文本分类能力,更好地运用到事务所审计实务中,文章对图神经网络(GCN)和BERT模型的组合算法进行了探索。在智能审计中,文本分类面临着非结构化数据复杂、领域术语多样等挑战,传统算法难以充分利用文本中的语法结构和长程依赖信息,导致分类准确性受限。基于融合句法分析树的改进图神经网络(BiLSTM-GCN)模块能进一步挖掘文本中的句法和语义关联,实现更细致的特征表达,在处理审计领域文本分类任务中表现出色,能显著提高智能问答系统的分类准确性和语义理解能力。研究成果为智能审计问答系统提供了高效的算法支持,为审计人员提供准确、快速的智能化服务。 展开更多
关键词 智能审计 图神经网络(gcn) BERT模型 BiLSTM模型 文本分类算法 智能审计问答系统
在线阅读 下载PDF
Text-Level-BERTGCN:基于BERT优化的文本分类模型
20
作者 覃晓 张金勇 郑宏春 《广西科学》 北大核心 2025年第6期1212-1221,共10页
传统基于文本级图卷积网络的文本分类模型在对文本进行构图时,只提取文本的空间结构信息,难以获取文本词的语义信息。针对上述不足,本文提出基于BERT(Bidirectional Encoder Representations from Transformers)优化的文本级图卷积网络T... 传统基于文本级图卷积网络的文本分类模型在对文本进行构图时,只提取文本的空间结构信息,难以获取文本词的语义信息。针对上述不足,本文提出基于BERT(Bidirectional Encoder Representations from Transformers)优化的文本级图卷积网络Text-Level-BERTGCN(Text Level BERT Graph Convolutional Network)。具体来说,Text-Level-BERTGCN首先构建基于BERT和GCN的文本标签预测方法B2GCN,B2GCN利用BERT对文本级图进行优化以获取包含文本空间结构和语义信息的文本级图,并将优化后的文本级图信息输入图卷积神经网络中对文本标签进行预测;其次利用BERT对原始的文本进行分类预测;最后根据两个预测结果的混合损失对模型进行训练。因此,Text-Level-BERTGCN能够充分利用大规模预训练模型和文本级图神经网络的优势。在R8、R52和OHSUMED数据集上的实验结果表明,Text-Level-BERTGCN的文本分类效果优于传统的图卷积文本分类模型,特别是在OHSUMED数据集上的结果表明其具有较强的提取长文本信息能力。 展开更多
关键词 BERT gcn 长文本 文本分类
在线阅读 下载PDF
上一页 1 2 33 下一页 到第
使用帮助 返回顶部