自动抄表(Automatic Meter Reading,AMR)在变电站电表读数中具有重要的应用价值。近年来,深度学习图像识别技术在AMR领域取得了显著进展。然而,现有方法大多依赖于计数器检测、分割和识别的3阶段流程,存在复杂性和效率方面的问题。为提...自动抄表(Automatic Meter Reading,AMR)在变电站电表读数中具有重要的应用价值。近年来,深度学习图像识别技术在AMR领域取得了显著进展。然而,现有方法大多依赖于计数器检测、分割和识别的3阶段流程,存在复杂性和效率方面的问题。为提升AMR的准确性与效率,首次将序列到序列(Sequence-to-Sequence,Seq2Seq)架构引入该任务,结合YOLOv5进行计数器检测,并利用Seq2Seq架构直接识别计数器,省略了传统流程中的计数器分割步骤。此外,还提出改进注意力机制的Seq2Seq架构,以优化信息传递与特征对齐。在UFPR-AMR公开数据集上的实验表明,改进方法的准确率达到了92.5%,比原方法提升了1.25%,这一结果验证了所提出的方法在AMR任务中的有效性。展开更多
文本无关的说话人确认系统使用的测试语音时长越短效果越差。针对这种情况,提出增强声学特征的方法。使用基于seq2seq(Sequence to Sequence)的生成模型将短时声学特征生成更长的特征,其中,编码器用于提取深层特征,解码器输出声学特征,...文本无关的说话人确认系统使用的测试语音时长越短效果越差。针对这种情况,提出增强声学特征的方法。使用基于seq2seq(Sequence to Sequence)的生成模型将短时声学特征生成更长的特征,其中,编码器用于提取深层特征,解码器输出声学特征,使用注意力机制来获取序列之间的关系。在训练时加入余弦距离损失来提升生成模型的泛化性能,将训练好的说话人确认模型作为生成模型训练架构的组件。实验结果表明,在1~3 s语音时长下,采用该模型后等错误率平均降低7.78%。展开更多
文摘针对新能源大规模并网带来的消纳问题,提出一种考虑源荷双侧弹性资源的日前调度方法.首先,对深度调峰机组、可平移负荷和可削减负荷的弹性调节能力进行分析,建立含弹性资源的电力系统调度模型;然后,提出一种基于Conv-Seq2Seq (convolutional sequence to sequence)模型的日前调度方法,使用多层卷积神经网络作为编码器对负荷预测数据等信息进行提取,改进深度学习网络信息提取的能力和速度,并使用门控循环单元作为解码器对编码器提取的信息进行解码,以输出调度计划;最后,通过辅助决策修正来确保调度计划的安全性.基于改进的IEEE39节点算例验证所提出方法的有效性和正确性.
文摘自动抄表(Automatic Meter Reading,AMR)在变电站电表读数中具有重要的应用价值。近年来,深度学习图像识别技术在AMR领域取得了显著进展。然而,现有方法大多依赖于计数器检测、分割和识别的3阶段流程,存在复杂性和效率方面的问题。为提升AMR的准确性与效率,首次将序列到序列(Sequence-to-Sequence,Seq2Seq)架构引入该任务,结合YOLOv5进行计数器检测,并利用Seq2Seq架构直接识别计数器,省略了传统流程中的计数器分割步骤。此外,还提出改进注意力机制的Seq2Seq架构,以优化信息传递与特征对齐。在UFPR-AMR公开数据集上的实验表明,改进方法的准确率达到了92.5%,比原方法提升了1.25%,这一结果验证了所提出的方法在AMR任务中的有效性。
文摘文本无关的说话人确认系统使用的测试语音时长越短效果越差。针对这种情况,提出增强声学特征的方法。使用基于seq2seq(Sequence to Sequence)的生成模型将短时声学特征生成更长的特征,其中,编码器用于提取深层特征,解码器输出声学特征,使用注意力机制来获取序列之间的关系。在训练时加入余弦距离损失来提升生成模型的泛化性能,将训练好的说话人确认模型作为生成模型训练架构的组件。实验结果表明,在1~3 s语音时长下,采用该模型后等错误率平均降低7.78%。
