检索结果-维普期刊中文期刊服务平台

基于图动态注意力网络的多站点风速预测被引量：1: 1; 作者李博录吴利 +2 位作者王晓英黄建强曹腾飞《计算机应用》 CSCD 北大核心 2023年第11期3616-3624,共9页; 时空序列预测任务在交通、气象、智慧城市等领域有着广泛应用。站点风速预测作为气象预测中的主要任务之一,需要结合降水、气温等外部因素,学习不同数据的时空特征。气象站点的不规则分布和风本身的固有间歇性成为实现高精度风速预测的... 展开更多; 关键词风速预测动态注意力网络图卷积注意力机制; 在线阅读下载PDF 职称材料

图推理嵌入动态自注意力网络的文档级关系抽取: 2; 作者李云洁王丹阳 +2 位作者刘海涛汪华东汪培庄《智能系统学报》北大核心 2025年第1期52-63,共12页; 文档级关系抽取是指从文档中抽取所有具有语义关系的实体对并判断其关系类别,与句子级关系抽取不同,这里实体关系的确定需要根据文档中多个句子推理得到。现有方法主要采用自注意力进行文档级关系抽取,但是运用自注意力进行文档级关系... 展开更多; 关键词文档级关系抽取图推理动态自注意力网络自注意力机制门限词选择机制文档图图注意力网络关键词; 在线阅读下载PDF 职称材料

基于可解释动态图注意力网络的短期电力负荷预测: 3; 作者原野王海燕 +2 位作者袁新平李梦宇何杰《计算机应用》北大核心 2025年第S1期329-333,共5页; 短期电力负荷预测对于电力系统中的负荷调度至关重要,然而现有方法在捕捉负荷中心的动态时空关系方面存在不足。因此,提出一种基于动态图注意力网络(Dyn-GAT)和时间卷积网络(TCN)的Dyn-GAT-TCN(Dynamic Graph ATtention Temporal Convol... 展开更多; 关键词短期电力负荷预测动态图注意力网络时间卷积网络时空关系建模可解释性分析; 在线阅读下载PDF 职称材料

TDGCN:触发器增强的两阶段动态图卷积网络的对话关系抽取研究被引量：1: 4; 作者自彦丞李卫疆《小型微型计算机系统》北大核心 2025年第1期90-96,共7页; 随着互联网中对话数据的不断增加,从中提取关系三元组对于自然语言处理的各个下游任务至关重要.为了改进对话关系抽取的性能,D.Yu等人在数据集中引入了“触发器”的概念,该概念为关系抽取提供了重要的线索.然而,目前对于触发器的应用还... 展开更多; 关键词动态图注意力网络对话关系抽取触发器; 在线阅读下载PDF 职称材料

题名基于图动态注意力网络的多站点风速预测被引量：1: 1; 作者李博录吴利王晓英黄建强曹腾飞; 机构青海大学计算机技术与应用系; 出处《计算机应用》 CSCD 北大核心 2023年第11期3616-3624,共9页; 基金国家自然科学基金资助项目(62162053,42265010) 清华大学—宁夏银川水联网数字治水联合研究院横向课题(SKL-IOW-2020TC2004-01) 青海省科技厅应用基础研究项目(2022-ZJ-701)。; 文摘时空序列预测任务在交通、气象、智慧城市等领域有着广泛应用。站点风速预测作为气象预测中的主要任务之一,需要结合降水、气温等外部因素,学习不同数据的时空特征。气象站点的不规则分布和风本身的固有间歇性成为实现高精度风速预测的挑战。为考虑多站点空间分布对风速的影响以获得准确可靠的预测结果,提出一种基于图的动态转换注意力网络(Graph-DSAN)风速预测模型。首先,利用不同站点之间的距离重新构建它们的连接;其次,使用局部采样的过程建模不同采样大小的邻接矩阵,实现图卷积过程中邻居节点信息的聚合与传递;接着,将时空位置编码(STPE)处理后的图卷积结果加入动态注意力编码器(DAE)和转换注意力解码器(SAD)以实现动态注意力计算,从而提取时空相关性;最后,利用自回归的方式形成多步预测。在纽约州15个站点的风速预测实验中,将所设计模型与ConvLSTM、图多注意力网络(GMAN)、时空图卷积网络(STGCN)、动态转换注意力网络(DSAN)和时空动态网络(STDN)进行比较,Graph-DSAN的12 h预测均方根误差(RMSE)分别降低了28.2%、6.9%、27.7%、14.4%和8.9%,验证了Graph-DSAN风速预测的准确性。; 关键词风速预测动态注意力网络图卷积注意力机制; Keywords wind speed prediction dynamic attention network graph convolution attention mechanism; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名图推理嵌入动态自注意力网络的文档级关系抽取: 2; 作者李云洁王丹阳刘海涛汪华东汪培庄; 机构辽宁工程技术大学理学院中国热带农业科学院科技信息研究所辽宁工程技术大学智能工程与数学研究院清华大学计算机系; 出处《智能系统学报》北大核心 2025年第1期52-63,共12页; 基金国家自然科学基金项目(61350003) 辽宁省教育厅高等学校基本科研项目重点攻关项目(LJKZZ-20220047) 中央级公益性科研院所基本科研业务费专项(1630072023005).; 文摘文档级关系抽取是指从文档中抽取所有具有语义关系的实体对并判断其关系类别,与句子级关系抽取不同,这里实体关系的确定需要根据文档中多个句子推理得到。现有方法主要采用自注意力进行文档级关系抽取,但是运用自注意力进行文档级关系抽取需要面临两个技术挑战:即长文本语义编码存在的高计算复杂度和关系预测需要的复杂推理建模,故提出一种图推理嵌入动态自注意力网络(graph reasoning embedded dynamic self-attention network,GSAN)模型。该模型借助门限词选择机制动态选择重要词计算自注意力实现对长文本语义依赖的高效建模,同时考虑以选择词为全局语义背景与实体候选、文档节点一起构建文档图,将文档图的图推理聚合信息嵌入到动态自注意力模块中,实现模型对复杂推理建模的能力。在公开的文档级关系数据集CDR和DocRED上的实验结果表明,文中提出的模型较其他基线模型有显著提升。; 关键词文档级关系抽取图推理动态自注意力网络自注意力机制门限词选择机制文档图图注意力网络关键词; Keywords document-level relation extraction graph reasoning dynamic self-attention network self-attention mechanism gated token selection mechanism document graph graph attention network key word; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于可解释动态图注意力网络的短期电力负荷预测: 3; 作者原野王海燕袁新平李梦宇何杰; 机构云南电网有限责任公司信息中心昆明能讯科技有限责任公司; 出处《计算机应用》北大核心 2025年第S1期329-333,共5页; 基金云南电网数字化项目(059300HK42222018)。; 文摘短期电力负荷预测对于电力系统中的负荷调度至关重要,然而现有方法在捕捉负荷中心的动态时空关系方面存在不足。因此,提出一种基于动态图注意力网络(Dyn-GAT)和时间卷积网络(TCN)的Dyn-GAT-TCN(Dynamic Graph ATtention Temporal Convolutional Network)模型。首先,结合负荷空间依赖关系构建负荷时空网络图,并利用时间滑动窗口生成负荷动态图序列;然后,基于Dyn-GAT自适应地调整注意力权重,从而动态建模负荷中心间的空间依赖性;最后,基于TCN提取时间序列中的长短期依赖信息,以实现更精准的负荷预测。在纽约独立系统运营商(NYISO)的一个公开数据集上的实验结果表明,所提模型在一天时间尺度内的均方根误差(RMSE)为2.40,平均绝对百分比误差(MAPE)为1.46%。在云南电网公司的一个数据集上的验证结果表明,所提模型优于已有的相关方法。此外,所提模型的注意力机制增强了可解释性,并能识别对负荷预测影响最大的关键节点。可见,Dyn-GAT-TCN模型在建模和分析电力负荷的动态时空关系方面具有显著优势,为电力系统的调度优化提供了准确且可解释的预测支持。; 关键词短期电力负荷预测动态图注意力网络时间卷积网络时空关系建模可解释性分析; Keywords short-term power load forecasting Dynamic Graph ATtention network(Dyn-GAT) Temporal Convolutional Network(TCN) spatio-temporal relationship modeling interpretability analysis; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名TDGCN:触发器增强的两阶段动态图卷积网络的对话关系抽取研究被引量：1: 4; 作者自彦丞李卫疆; 机构昆明理工大学信息工程与自动化学院昆明理工大学云南省人工智能重点实验室; 出处《小型微型计算机系统》北大核心 2025年第1期90-96,共7页; 基金国家自然科学基金项目(62066022)资助。; 文摘随着互联网中对话数据的不断增加,从中提取关系三元组对于自然语言处理的各个下游任务至关重要.为了改进对话关系抽取的性能,D.Yu等人在数据集中引入了“触发器”的概念,该概念为关系抽取提供了重要的线索.然而,目前对于触发器的应用还仅仅限于将其作为一个模型训练的附加任务,并未在关系三元组推理中充分利用.本文提出了一个两阶段的动态图模型,通过引入动态机制,有效地改进了现有静态构造的图注意力模型在处理关系重叠时的歧义问题.并且在动态图模型中引入了触发器节点,以便更充分地利用触发器来进行关系推理.整个模型在DialogRE数据集上进行了实验,相对于基线模型,该模型在验证集上的F1值提升了2.2%,在测试集上提升了2%.并且本文对所提出的机制进行了进一步分析,通过实验验证了其有效性.; 关键词动态图注意力网络对话关系抽取触发器; Keywords dynamic graph attention network dialogue relationship extraction trigger; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于图动态注意力网络的多站点风速预测	李博录吴利王晓英黄建强曹腾飞	《计算机应用》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
2	图推理嵌入动态自注意力网络的文档级关系抽取	李云洁王丹阳刘海涛汪华东汪培庄	《智能系统学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于可解释动态图注意力网络的短期电力负荷预测	原野王海燕袁新平李梦宇何杰	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
4	TDGCN:触发器增强的两阶段动态图卷积网络的对话关系抽取研究	自彦丞李卫疆	《小型微型计算机系统》北大核心	2025	1	在线阅读下载PDF 职称材料