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5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：
一种基于2D-CNN深度学习的钻井事故等级预测新方法 被引量：5
1
作者 赵春兰 屈瑶 +4 位作者 王兵 范翔宇 赵鹏斐 李屹 何婷 《天然气工业》 EI CAS CSCD 北大核心 2022年第12期95-105,共11页
鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型... 鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型输入,由卷积层提取事故特征,池化层进行二次降维,构建双层2D-CNN的事故等级预测模型,最后通过激活函数(Softmax)判断钻井事故等级,提出一种基于二维卷积神经网络(2D-CNN)的钻井事故等级预测的新方法。研究结果表明:①较之于其他方法,新方法经过两次降维将多维钻井事故指标由73维降低至4维,降低模型计算复杂度;②不同于钻井事故发生与否的二分类问题,根据事故的严重程度划分成四种事故等级,以实现多分类预测;③现场应用效果表明,新方法的准确率为91.7%,损失值为0.409,预测效果优于BP神经网络模型和1D-CNN模型。结论认为,新方法能较好地将现场作业数据用于钻井事故等级的预测,对于钻井事故风险分级评价具有广泛应用和推广价值。 展开更多
关键词 多维钻井事故 事故等级 多分类预测 深度学习 二维卷积神经网络 模糊C均值算法 信息增益
在线阅读 下载PDF
突发故障下的中压配电网过电压智能抑制系统 被引量：2
2
作者 卢颖 《电子设计工程》 2025年第2期116-120,共5页
突发故障引起中压配网电压突变时,选相电流会对其产生负面影响,导致过电压抑制效果不佳。为了解决该问题,设计突发故障下的中压配电网过电压智能抑制系统。设计可控避雷器控制结构,调节开关动作,实现信息交换。通过过电压传感器结构,获... 突发故障引起中压配网电压突变时,选相电流会对其产生负面影响,导致过电压抑制效果不佳。为了解决该问题,设计突发故障下的中压配电网过电压智能抑制系统。设计可控避雷器控制结构,调节开关动作,实现信息交换。通过过电压传感器结构,获得高频率过电压信号,利用霍尔效应的外置或内置电阻,传输过电压。设计过电压抑制柜,有效控制大面积浪涌冲击,去除高压脉冲和电涌脉冲所产生的辐射干扰。基于小波变换构造高维过电压信号,以该信号为基础,根据孤岛检测结果计算孤岛节点在单位时间内供电时长,结合过电压传输能力抑制过电压。由实验结果可知,设计系统对中性点绝缘过电压和间歇性弧光接地过电压抑制范围分别是[-0.8 V,0.3 V]、[-0.6 V,0.7 V],均在合理抑制范围内,说明设计系统能够有效抑制过电压,减少突发故障对中压配电网的影响。 展开更多
关键词 突发故障 中压配电网 过电压抑制 深层次cnn 孤岛检测
在线阅读 下载PDF
基于多注意力机制的事件同指消解方法 被引量：1
3
作者 方杰 李培峰 朱巧明 《计算机科学》 CSCD 北大核心 2019年第8期277-281,共5页
事件同指消解是信息抽取的一项重要任务,在信息融合、问答系统、阅读理解中都有着重要的作用。文中提出了一种基于多种注意力机制的卷积神经网络的CorefNet方法,用于消解文档级事件同指。该方法通过深层卷积网络抽取事件特征,并使用多... 事件同指消解是信息抽取的一项重要任务,在信息融合、问答系统、阅读理解中都有着重要的作用。文中提出了一种基于多种注意力机制的卷积神经网络的CorefNet方法,用于消解文档级事件同指。该方法通过深层卷积网络抽取事件特征,并使用多种注意力机制获取重要信息。相比过去大部分建立在概率模型和图模型上的传统方法,所提方法仅使用了少量特征;与目前主流的神经网络模型相比,文中方法可以提取深层的事件特征,明显提高了事件同指消解的准确率。在ACE2005数据集上的实验验证了CorefNet优于目前最优的基准系统。 展开更多
关键词 事件同指 文档级 注意力机制 深层卷积网络
在线阅读 下载PDF
集成时空邻近与卷积网络车道级高精度定位算法
4
作者 滕文鑫 张建辰 邵杰 《测绘通报》 CSCD 北大核心 2022年第6期1-5,61,共6页
提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道... 提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道。该方法通过优化集成GPS、车速和惯性测量单元等参数,实现了厘米级和车道级车辆位置的平滑估计。试验结果验证了该方法的可行性和有效性。 展开更多
关键词 卷积神经网络 深度学习 车道级定位 智能交通系统 时空邻近 地图匹配
原文传递
基于深度学习的数据级多源融合定位增强算法
5
作者 丛迅超 《电子质量》 2020年第4期13-16,共4页
针对不同定位体制的多系统协同定位能力不足的问题,提出一种基于深度学习的数据级多源融合定位增强方法。该方法从多源定位数据出发,以空间关联行为更加丰富的二阶特征矩阵作为网络输入,通过设计的5L-CNN多源融合定位增强网络一体化完... 针对不同定位体制的多系统协同定位能力不足的问题,提出一种基于深度学习的数据级多源融合定位增强方法。该方法从多源定位数据出发,以空间关联行为更加丰富的二阶特征矩阵作为网络输入,通过设计的5L-CNN多源融合定位增强网络一体化完成数据特征自主提取和融合预测,实现多源信息融合的目标定位精度提升。仿真结果表明该算法至少可对两种以上不同定位体制的多源定位数据进行融合增强,且具备实时融合定位能力。 展开更多
关键词 深度学习 数据级 多源融合定位增强 卷积神经网络(cnn)
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