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1,236篇文章
< 1 2 … 62 >
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：
基于多头自注意力机制和长短期记忆网络方法的区域售电量预测
1
作者 李伟 李晓舟 +1 位作者 樊沛林 张宏江 《电力需求侧管理》 2025年第1期67-73,共7页
区域售电量的精确预测对于电力部门实施有效的能源管理和规划方面发挥着关键作用。现有的预测模型主要依赖于历史售电量数据,部分模型考虑到温度的影响,但对多种气象因素的综合考量不足。因此,考量多气象因子,提出一种多头注意力机制和... 区域售电量的精确预测对于电力部门实施有效的能源管理和规划方面发挥着关键作用。现有的预测模型主要依赖于历史售电量数据,部分模型考虑到温度的影响,但对多种气象因素的综合考量不足。因此,考量多气象因子,提出一种多头注意力机制和长短期记忆网络结合的区域售电量预测方法(multi-head self-attention mechanism long short-term memory,MHAM-LSTM)。首先通过相关性分析筛选出关键变量,去除冗余变量。然后利用多头注意力机制重点关注对售电量有重要影响的关键指标,并生成新的指标变量。最后采用LSTM网络深入挖掘时间序列数据的潜在规律,实现区域售电量预测。实验表明,MHAM-LSTM模型在售电量预测精度方面优于随机森林、深度神经网络、长短时记忆网络、时间卷积神经网络和Transformer等对比模型,展现出较大的性能优势。此外,气象因素重要性分析结果显示,综合考虑多种气象变量,特别是温度、风速和湿度,能够提高预测的准确性。 展开更多
关键词 售电量预测 气象因素 长短时记忆网络 多头注意力机制
在线阅读 下载PDF
基于注意力长短期记忆深度网络的变电站上游水库水文防汛数据建模
2
作者 梁允 郭志民 +2 位作者 孟高军 卢明 李哲 《电子器件》 2025年第1期182-186,共5页
对变电站上游水库流入量的可靠预测是变电站防汛预报的一个关键因素。流入量的预测由于需要综合考虑气候和水文变化的影响,使其成为一项复杂的任务。开发了一种基于卷积长短期记忆的深度学习方法来实时预测排水量。这种实时预测不仅有... 对变电站上游水库流入量的可靠预测是变电站防汛预报的一个关键因素。流入量的预测由于需要综合考虑气候和水文变化的影响,使其成为一项复杂的任务。开发了一种基于卷积长短期记忆的深度学习方法来实时预测排水量。这种实时预测不仅有助于水资源的有效运行,同时可以有效地监测放水的日常变化,提高运行的可靠性。通过考虑历史观测日数据中的降水量、温度、土壤含水量等信息,利用注意力长短期记忆网络异常检测算法对变电站所处地区的防汛工作进行预测。多瑙河流域观察日数据上进行的实验结果表明,所提出的方法减少了每个分析的水位测量站的误差,高水位时期的实验结果也证实所提出的方法要优于浅层模型。 展开更多
关键词 洪水预测 长短期记忆网络 注意力机制 预测模型
在线阅读 下载PDF
基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测 被引量：1
3
作者 陈晓梅 肖徐东 《现代电力》 北大核心 2024年第1期106-115,共10页
为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力... 为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。 展开更多
关键词 短期电力负荷预测 双向长短期记忆网络 时序模式注意力机制 集群辨识 卷积神经网络
在线阅读 下载PDF
基于多头注意力机制与长短期记忆网络的自然场景文本识别
4
作者 姚炜 冯宪伟 《传感技术学报》 CSCD 北大核心 2024年第12期2107-2112,共6页
随着计算机视觉和自然语言处理技术的不断发展,自然场景文本检测与识别技术已成为计算机视觉领域的研究热点之一。提出了一种基于多头注意力机制与长短期记忆网络(LSTM)的自然场景文本检测与识别方法。该方法通过结合目标检测算法和序... 随着计算机视觉和自然语言处理技术的不断发展,自然场景文本检测与识别技术已成为计算机视觉领域的研究热点之一。提出了一种基于多头注意力机制与长短期记忆网络(LSTM)的自然场景文本检测与识别方法。该方法通过结合目标检测算法和序列识别算法,利用多头注意力机制对图像中的文本区域进行精确的定位和特征提取,进而通过LSTM网络对提取的特征进行编码和解码,实现对自然场景中文本的准确识别。在文本检测阶段,采用基于深度学习的目标检测算法,结合多头注意力机制,通过并行计算多个独立的注意力头来捕获图像中不同尺度和方向上的文本信息,提高文本检测的准确性和鲁棒性。在文本识别阶段,利用LSTM网络对检测到的文本区域进行序列建模,通过编码和解码过程将图像中的文本信息转化为可读的字符序列。实验结果表明,所提出的方法在自然场景文本检测与识别任务上取得了优异的性能。与现有的方法相比,所提出的方法在准确性和鲁棒性方面均有所提升,尤其是在处理复杂背景和多样化文本时表现出更好的适应性。 展开更多
关键词 文本检测与识别 多头注意力机制 自然场景文本 长短期记忆网络
在线阅读 下载PDF
基于注意力机制的双向长短期记忆网络的在线工程实践评价框架
5
作者 马坤 邵永伟 +2 位作者 郑楠 陈贞翔 杨波 《软件导刊》 2024年第8期281-286,共6页
在虚拟学习环境下,工程实践课程通常以小组方式在线协同完成一个实践项目,但现有在线教学平台缺少基于学习行为数据的深度挖掘,教师难以像线下实践那样感知学习者的学习状态,从而无法进行十分客观公正的评价。为此,提出基于注意力机制... 在虚拟学习环境下,工程实践课程通常以小组方式在线协同完成一个实践项目,但现有在线教学平台缺少基于学习行为数据的深度挖掘,教师难以像线下实践那样感知学习者的学习状态,从而无法进行十分客观公正的评价。为此,提出基于注意力机制的双向长短期记忆网络的在线工程实践评价框架,通过在线实践行为数据构建注意力机制的双向长短期记忆网络模型(GEP-BiLSTM)预测学生能否通过未来的实践考核。实践表明,所提方法可在学生出现学业预警前进行更有针对性的帮扶,从而提升工程实践的教学效果。 展开更多
关键词 教育数据挖掘 长短期记忆网络 实践评价 注意力机制 工程实践
在线阅读 下载PDF
基于改进注意力机制的时间卷积网络-长短期记忆网络短期电力负荷预测
6
作者 刘伟 王洪志 《电气技术》 2024年第10期8-14,共7页
为充分挖掘蕴含在电力负荷数据中的有效时序信息,提高短期电力负荷预测准确度,本文提出一种基于改进注意力机制的时间卷积网络(TCN)-长短期记忆(LSTM)网络负荷预测模型。首先,将时序数据输入TCN模型中进行时序特征提取;然后,将所提取的... 为充分挖掘蕴含在电力负荷数据中的有效时序信息,提高短期电力负荷预测准确度,本文提出一种基于改进注意力机制的时间卷积网络(TCN)-长短期记忆(LSTM)网络负荷预测模型。首先,将时序数据输入TCN模型中进行时序特征提取;然后,将所提取的时序特征与非时序数据组合,并输入LSTM模型中进行训练;最后,采用贝叶斯优化方法进行超参数寻优以获得TCN-LSTM模型的最优参数,引入通过多层感知器(MLP)改进的注意力机制以减少历史信息丢失并加强重要信息的影响,完成短期负荷预测。通过对比多种深度学习模型的预测效果表明,本文所提模型的短期电力负荷预测准确度更高。 展开更多
关键词 短期电力负荷预测 改进注意力机制 贝叶斯优化 多层感知器(MLP) 时间卷积网络(TCN) 长短期记忆(LSTM)网络
在线阅读 下载PDF
基于残差神经网络、双向长短期记忆网络和注意力机制的肠鸣音检测方法研究
7
作者 郝亚丽 万显荣 +3 位作者 江从庆 任相海 张小明 翟详 《中国医疗器械杂志》 2024年第5期498-504,共7页
肠鸣音可以反映胃肠道的运动和健康状况,然而,传统的人工听诊方式存在主观性偏差且耗时耗力。为了更好地辅助医生对肠鸣音的诊断,提高肠鸣音检测的可靠性和高效性,该研究提出了一种结合残差神经网络(ResNet)、双向长短期记忆网络(BiLSTM... 肠鸣音可以反映胃肠道的运动和健康状况,然而,传统的人工听诊方式存在主观性偏差且耗时耗力。为了更好地辅助医生对肠鸣音的诊断,提高肠鸣音检测的可靠性和高效性,该研究提出了一种结合残差神经网络(ResNet)、双向长短期记忆网络(BiLSTM)和注意力机制的深度神经网络模型。首先使用自主研发的多通道肠鸣音采集系统采集了大量带标签的临床数据,采用多尺度小波分解和重构方法对肠鸣音信号进行预处理,然后提取对数梅尔谱图特征送入网络进行训练,最后通过10折交叉验证和消融实验来评估模型的性能和验证其有效性。实验结果表明,该模型在精确率、召回率和F1分数方面分别达到了83%、76%和79%,能够有效地检测出肠鸣音片段并定位其起止时间,表现优于以往的算法。该算法不仅可以为医生在临床实践中提供辅助信息,还为肠鸣音的进一步分析和研究提供了技术支撑。 展开更多
关键词 肠鸣音 残差神经网络 双向长短期记忆网络 注意力机制
在线阅读 下载PDF
基于双向长短期记忆网络与稀疏自注意力的票据文本识别方法
8
作者 冯宪伟 姚炜 《传感技术学报》 CAS CSCD 北大核心 2024年第11期1946-1951,共6页
提出了一种基于双向长短期记忆网络(BiLSTM)与稀疏自注意力机制的票据文本识别方法。针对票据文本识别中面临的复杂布局、多变字体及背景噪声干扰等挑战,采用深度卷积神经网络进行预处理,准确提取文本区域,并将图像数据转换为序列数据... 提出了一种基于双向长短期记忆网络(BiLSTM)与稀疏自注意力机制的票据文本识别方法。针对票据文本识别中面临的复杂布局、多变字体及背景噪声干扰等挑战,采用深度卷积神经网络进行预处理,准确提取文本区域,并将图像数据转换为序列数据输入到BiLSTM模型中。BiLSTM通过其双向结构,能够同时捕捉文本序列中的前向和后向信息,有效提高了文本理解的准确性。为了进一步提升识别性能,引入了稀疏自注意力机制,通过计算序列中不同位置之间的相关性得分,形成稀疏的注意力矩阵,从而捕捉文本中的长距离依赖关系。这种机制不仅降低了计算复杂度,还提高了模型对关键信息的关注度。实验结果表明,所提出的票据文本识别方法在处理复杂票据文本时表现出色,具有较高的识别精度和效率。与传统方法相比,所提方法能够更好地适应票据文本的多样性和复杂性,并在实际应用中展现出良好的鲁棒性和泛化能力。 展开更多
关键词 稀疏注意力机制 双向长短期记忆网络 票据文本识别 光学字符识别
在线阅读 下载PDF
基于卷积双向长短期记忆网络的微网继电保护故障诊断技术
9
作者 杨志淳 闵怀东 +3 位作者 杨帆 雷杨 胡伟 陈鹤冲 《太阳能学报》 北大核心 2025年第1期420-428,共9页
分布式电源种类和容量不断提升的微网运行方式复杂、故障特征微弱,现有的继电保护装置故障诊断方法无法满足保护需求。提出一种基于卷积双向长短期记忆网络的微网继电保护故障诊断技术。首先,分析多能源互补微网系统架构,对采集的三相... 分布式电源种类和容量不断提升的微网运行方式复杂、故障特征微弱,现有的继电保护装置故障诊断方法无法满足保护需求。提出一种基于卷积双向长短期记忆网络的微网继电保护故障诊断技术。首先,分析多能源互补微网系统架构,对采集的三相电流数据进行预处理,提高后续模型对数据的学习效率;然后,融合卷积神经网络和双向长短期记忆网络提出卷积双向长短期记忆网络的微网继电保护故障诊断方法,提取三相电流数据长序列和局部序列特征实现故障分类、故障定位,融合注意力机制,重点关注对故障诊断有影响的特征,提高故障诊断准确率;最后经过RTDS实时仿真系统进行验证,实验结果表明,所提方法故障诊断精度高、计算时间短,同卷积神经网络、长短期记忆网络、人工神经网络相比,故障分类准确率分别提升8.53%、9.62%、11.45%,故障定位准确率分别提升7.47%、10.61%、10.85%,验证所提方法的有效性与先进性。 展开更多
关键词 微网 继电保护 故障诊断 卷积双向长短期记忆网络 三相电流 注意力机制
在线阅读 下载PDF
基于状态精细化长短期记忆和注意力机制的社交生成对抗网络用于行人轨迹预测 被引量：5
10
作者 吴家皋 章仕稳 +1 位作者 蒋宇栋 刘林峰 《计算机应用》 CSCD 北大核心 2023年第5期1565-1570,共6页
针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题,基于状态精细化长短期记忆(SR-LSTM)和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络(SRA-SIGAN)模型,利用生成对抗网络(GAN)学习获得目标行人的运动规律。首先,使用SR-... 针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题,基于状态精细化长短期记忆(SR-LSTM)和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络(SRA-SIGAN)模型,利用生成对抗网络(GAN)学习获得目标行人的运动规律。首先,使用SR-LSTM作为位置编码器提取运动意图信息;其次,通过设置速度注意力机制合理地为同一场景中的行人分配影响力,以更好地处理行人的交互;最后,由解码器生成预测的未来轨迹。在多个公开数据集上的测试实验结果表明,SRA-SIGAN模型的总体表现良好。特别是在Zara1数据集上,与SR-LSTM模型相比,SRA-SIGAN模型的平均位移误差(ADE)和最终位移误差(FDE)分别减小了20.0%和10.5%;与社交生成对抗网络(SIGAN)模型相比,SRA-SIGAN的ADE和FDE分别下降了31.7%和24.4%。 展开更多
关键词 生成对抗网络 长短期记忆网络 行人轨迹预测 注意力机制 行人交互
在线阅读 下载PDF
基于双向长短期记忆网络和自注意力机制的食品安全裁判文书分类方法 被引量：12
11
作者 姜同强 万忠赫 张青川 《科学技术与工程》 北大核心 2019年第29期188-192,共5页
目前食品安全领域裁判文书数量持续增长,而其类别标签的缺失导致检索困难。针对将裁判文书自动化分类的问题,提出一种结合self-attention机制和BLSTM(bi-long short-term memory)网络的分类方法,该方法使用自训练注意力机制,对向量化的... 目前食品安全领域裁判文书数量持续增长,而其类别标签的缺失导致检索困难。针对将裁判文书自动化分类的问题,提出一种结合self-attention机制和BLSTM(bi-long short-term memory)网络的分类方法,该方法使用自训练注意力机制,对向量化的文本进行加权表示,从而对裁判文书中的重要特征重点关注。同时,由两个方向相反的LSTM网络组成的BLSTM网络,能够更好地学习上下文信息,提高网络性能。通过实验,准确率达到了95. 23%,相较于传统的机器学习方法,所提方法能够更好地完成食品安全领域裁判文书分类任务。 展开更多
关键词 长短期记忆神经网络 自注意力机制 自然语言处理 食品安全
在线阅读 下载PDF
基于长短期记忆网络和注意力机制的油井产油量预测 被引量：5
12
作者 潘少伟 郑泽晨 +2 位作者 王吉哲 蔡文斌 王朝阳 《科学技术与工程》 北大核心 2021年第30期13010-13015,共6页
准确预测油井产油量在油田生产中具有非常重要的意义。针对传统的线性预测方法中存在的适应性差问题,以及在时序处理时难以很好地拟合历史数据问题,提出使用长短期记忆网络和注意力机制来提取油田生产数据中存在的时序关系和增强油井产... 准确预测油井产油量在油田生产中具有非常重要的意义。针对传统的线性预测方法中存在的适应性差问题,以及在时序处理时难以很好地拟合历史数据问题,提出使用长短期记忆网络和注意力机制来提取油田生产数据中存在的时序关系和增强油井产油量预测模型的可移植性,并分析了时间滞后、学习率衰减和神经元随机失活3个参数对油井产油量预测模型的影响,发现当这3个参数分别为36、0.3和0.8时,油井产油量预测模型的表现最佳。在利用随机森林方法补全动液面的缺失数据后,使用获得的3个最优参数建立油井产油量预测模型,并将该模型应用于中国南方某油田3口油井的产油量预测中。具体的预测结果是:H3-32井后期的实际产油总量为1470.5 t,预测值为1442.33 t,相对误差为1.92%;H3-34井后期的实际产油总量为1564.5 t,预测值为1545.98 t,相对误差为1.20%;H3-35井后期的实际产油总量为742.2 t,预测值为772.12 t,相对误差为4.05%。由此可见,基于长短期记忆网络和注意力机制的油井产油量预测模型具有较高的准确率。研究结果可应用于中国油田生产开发方案的制订,对中国油田科技水平的进步具有非常重要的理论与现实意义。 展开更多
关键词 长短期记忆网络(LSTM) 注意力机制 随机森林 油井 产油量
在线阅读 下载PDF
基于注意力机制和双向长短期记忆网络的电能质量扰动识别 被引量：4
13
作者 王以忠 栾振国 +2 位作者 郭肖勇 许素霞 侯勇 《天津科技大学学报》 CAS 2021年第4期51-56,共6页
提出一种基于深度学习的电能质量扰动信号分类新方法.该方法应用注意力机制和双向长短期记忆网络构建分类模型,并利用Matlab仿真产生训练数据集与验证数据集.考虑了7种常见的复合扰动信号,并将其作为序列数据直接输入到网络中进行训练... 提出一种基于深度学习的电能质量扰动信号分类新方法.该方法应用注意力机制和双向长短期记忆网络构建分类模型,并利用Matlab仿真产生训练数据集与验证数据集.考虑了7种常见的复合扰动信号,并将其作为序列数据直接输入到网络中进行训练和验证.实验结果表明,本方法能准确地识别不同的扰动信号,在验证集上模型的识别准确率可以达到99.7%.通过对比实验发现,应用注意力机制和双向长短期记忆网络的模型的识别能力要优于支持向量机和多层感知机等传统机器学习算法. 展开更多
关键词 电能质量 扰动分类 注意力机制 双向长短期记忆网络
在线阅读 下载PDF
基于双重自注意力机制和长短时记忆网络的剩余寿命预测 被引量：1
14
作者 吴嘉俊 苏春 张玉茹 《系统工程与电子技术》 EI CSCD 北大核心 2024年第6期1986-1994,共9页
剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预... 剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法,采用随机森林(random forest,RF)算法筛选输入特征,以主动选取关键特征;采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配,使模型在学习过程中关注主要特征和历史时间点;通过融合统计特征,以提高RUL预测精度。以航空发动机数据集为例完成案例分析,验证方法有效性。结果表明,所提方法能有效提高基于复杂数据集的RUL预测精度。 展开更多
关键词 剩余寿命预测 随机森林 双重自注意力机制 长短期记忆网络 航空发动机
在线阅读 下载PDF
基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量：22
15
作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页
针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多
关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短期记忆网络 注意力机制
在线阅读 下载PDF
结合LSTM和自注意力机制的图卷积网络短期电力负荷预测 被引量：8
16
作者 史含笑 王雷春 《计算机应用》 CSCD 北大核心 2024年第1期311-317,共7页
针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度低等问题,提出了一种结合长短期记忆(LSTM)网络和自注意力机制的图卷积网络(GCN)的短期电力负荷预测模型GCNLS-STLF。首先,利用LSTM和自注意力机制将原始多维时间序... 针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度低等问题,提出了一种结合长短期记忆(LSTM)网络和自注意力机制的图卷积网络(GCN)的短期电力负荷预测模型GCNLS-STLF。首先,利用LSTM和自注意力机制将原始多维时间序列数据转化为包含序列间关联关系的电力负荷图;然后,通过GCN、LSTM和图傅里叶变换(GFT)对电力负荷图进行特征提取;最后,使用全连接层对特征进行重构,并利用残差进行多次预测,以增强原始电力负荷数据的表达能力。在摩洛哥与巴拿马某电站的真实历史电力负荷数据上进行的短期电力负荷预测实验结果显示,与支持向量机(SVM)、LSTM、混合模型CNN-LSTM和基于注意力的CNN-LSTM(CNN-LSTM-attention)等预测模型相比,GCNLS-STLF在摩洛哥全部电力负荷测试集上的平均绝对百分比误差(MAPE)分别降低1.94、0.90、0.49和0.37个百分点;在巴拿马电力负荷测试集上的3月份MAPE分别降低1.39、0.94、0.38和0.29个百分点,6月份MAPE分别降低1.40、0.99、0.35和0.28个百分点。实验结果表明,GCNLS-STLF能有效提取电力负荷的关键特征,预测效果较好。 展开更多
关键词 短期电力负荷预测 图卷积网络 图傅里叶变换 长短期记忆网络 自注意力机制
在线阅读 下载PDF
基于注意力机制的卷积神经网络-长短期记忆网络的短期风电功率预测 被引量：21
17
作者 姚越 刘达 《现代电力》 北大核心 2022年第2期212-218,共7页
为了提高风电功率的预测精度,针对风电数据间歇性与时序性的特点,提出了一种基于注意力机制的卷积神经网络-长短期记忆(convolutional neural networks-long short-term memory,CNN-LSTM)网络预测模型。首先利用CNN提取风电数据动态变... 为了提高风电功率的预测精度,针对风电数据间歇性与时序性的特点,提出了一种基于注意力机制的卷积神经网络-长短期记忆(convolutional neural networks-long short-term memory,CNN-LSTM)网络预测模型。首先利用CNN提取风电数据动态变化的多维特征,然后将特征向量构造成时序形式并作为LSTM网络的输入,最后使用注意力机制进行优化,通过赋予LSTM网络隐含层不同的权重,增强重要信息的作用,完成风电功率预测。采用国内某风电场的风电数据进行实验,结果表明该模型比支持向量机、LSTM模型、CNN-LSTM模型具有更好的预测精度。 展开更多
关键词 风电功率预测 卷积神经网络 长短期记忆网络 注意力机制
在线阅读 下载PDF
基于层级注意力机制与双向长短期记忆神经网络的智能合约自动分类模型 被引量：8
18
作者 吴雨芯 蔡婷 张大斌 《计算机应用》 CSCD 北大核心 2020年第4期978-984,共7页
针对区块链平台上智能合约应用种类繁多,人工筛选合适的智能合约应用服务日益困难的问题,提出一种基于层级注意力机制与双向长短期记忆(Bi-LSTM)神经网络的智能合约自动分类模型——HANN-SCA。首先,利用Bi-LSTM网络从智能合约源代码和... 针对区块链平台上智能合约应用种类繁多,人工筛选合适的智能合约应用服务日益困难的问题,提出一种基于层级注意力机制与双向长短期记忆(Bi-LSTM)神经网络的智能合约自动分类模型——HANN-SCA。首先,利用Bi-LSTM网络从智能合约源代码和账户信息两个角度同时建模,最大限度地提取智能合约的特征信息。其中源代码角度关注智能合约中的代码语义特征,账户信息角度关注智能合约的账户特征。然后,在特征学习过程中从词层面和句层面分别引入注意力机制,重点捕获对智能合约分类有重要意义的单词和句子。最后,拼接代码特征与账户特征以生成智能合约文档级特征表示,通过Softmax层完成分类任务。实验结果表明,所提模型在Dataset-E、Dataset-N和Dataset-EO数据集上的分类正确率分别达到了93.1%、91.7%和92.1%,效果明显优于传统的支持向量机模型(SVM)和其他神经网络基准模型,且具有更好的稳定性与更高的收敛速度。 展开更多
关键词 智能合约分类 层级注意力机制 双向长短期记忆网络 代码语义特征 账户特征
在线阅读 下载PDF
基于注意力机制优化长短期记忆网络的短期电力负荷预测 被引量：5
19
作者 王健 易姝慧 +3 位作者 刘浩 王春枝 刘俭 汪根荣 《中南民族大学学报（自然科学版）》 CAS 北大核心 2023年第1期73-81,共9页
在电力系统的经济调度中,如何合理利用电力负荷的过去和现在来推测其未来价值,具有非常长远的社会经济价值.短期电力负荷数据具有明显的时间特征,传统的深度模型越来越多地应用于该领域.然而,深度模型可能存在梯度爆炸或梯度消失,为此,... 在电力系统的经济调度中,如何合理利用电力负荷的过去和现在来推测其未来价值,具有非常长远的社会经济价值.短期电力负荷数据具有明显的时间特征,传统的深度模型越来越多地应用于该领域.然而,深度模型可能存在梯度爆炸或梯度消失,为此,提出了一种注意力机制优化长短期记忆网络的短期负荷预测模型.该模型将长短期记忆网络单元中的激活函数改进为加权激活函数组,并加入注意力机制以提高预测精度. 展开更多
关键词 短期负荷预测 注意力机制 长短期记忆网络
在线阅读 下载PDF
基于注意力机制及长短期记忆神经网络的慢性阻塞性肺疾病氧减状态辨识 被引量：4
20
作者 吴月芳 胡明昕 孙培莉 《南京理工大学学报》 CAS CSCD 北大核心 2023年第5期629-635,共7页
为提高慢性阻塞性肺疾病氧减状态的辨识性能,该文将注意力机制有效融入长短期记忆神经网络,提出了一种基于注意力机制的长短期记忆神经网络方法:首先,抽取每个待辨识状态点的四种有效鉴别特征,包括血脉氧饱和度指数、脉搏、血脉氧饱和... 为提高慢性阻塞性肺疾病氧减状态的辨识性能,该文将注意力机制有效融入长短期记忆神经网络,提出了一种基于注意力机制的长短期记忆神经网络方法:首先,抽取每个待辨识状态点的四种有效鉴别特征,包括血脉氧饱和度指数、脉搏、血脉氧饱和度指数的窗口特征以及梯度特征;其次,在此特征表示的基础上,通过引入注意力机制,使用训练集来训练基于注意力机制的长短期记忆神经网络;最后,使用测试集来验证所训练模型的有效性。与多个经典机器学习算法的对比实验结果表明:所提出的基于注意力机制的长短期记忆神经网络方法的辨识模型能够准确识别氧减状态,全局性能指标曲线下面积达到了0.8531。所提方法对于慢性阻塞性肺疾病的准确诊断具有重要的参考价值。 展开更多
关键词 特征表示 注意力机制 长短期记忆神经网络 慢性阻塞性肺疾病 氧减状态辨识
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 2 … 62 下一页 到第 页
使用帮助 返回顶部