期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于深层级联残差图卷积的暂态稳定评估模型及其实际电网应用 被引量:5
1
作者 向川 陈鎏凯 +2 位作者 陈勇 马遵 管霖 《广东电力》 北大核心 2024年第6期62-69,共8页
目前,数据驱动的暂态功角稳定评估模型的研究和测试主要在小规模算例系统进行,在实际电网的应用检验不足,其内在原因是图深度学习中的局部信息提取特点与功角稳定全局性的矛盾尚未解决。为此,设计一种深层级联残差图卷积模型,利用含残... 目前,数据驱动的暂态功角稳定评估模型的研究和测试主要在小规模算例系统进行,在实际电网的应用检验不足,其内在原因是图深度学习中的局部信息提取特点与功角稳定全局性的矛盾尚未解决。为此,设计一种深层级联残差图卷积模型,利用含残差连接的深层级联结构,实现模型层数堆叠性能的有效提升。利用MinMaxPooling模块,使模型参数与系统规模解耦。该模型结构设计与节点数量无关,可以解决数据驱动模型应用于大规模实际电网的问题。在某5419个节点的实际区域电网进行测试,结果验证了所提模型的有效性和实用性。 展开更多
关键词 暂态功角稳定评估 数据驱动 图卷积模型 残差连接 深层级联 实际电网测试
在线阅读 下载PDF
基于时空自适应图卷积循环网络的风电功率预测 被引量:1
2
作者 任润虎 戴天乐 郭巨新 《电力系统及其自动化学报》 CSCD 北大核心 2024年第12期93-100,共8页
针对传统图卷积模型仅考虑静态或动态邻接矩阵的单一生成方式,以及建模风电场机组之间的时空相关性上具有较强的局限性,提出一种融合静态邻接矩阵和动态邻接矩阵的时空自适应模型。首先,根据风电场节点间的空间距离及差分相似性特征,预... 针对传统图卷积模型仅考虑静态或动态邻接矩阵的单一生成方式,以及建模风电场机组之间的时空相关性上具有较强的局限性,提出一种融合静态邻接矩阵和动态邻接矩阵的时空自适应模型。首先,根据风电场节点间的空间距离及差分相似性特征,预定义静态邻接矩阵;其次,使用时空自注意力机制提取数据的高维特征,同时生成时空嵌入矩阵,用于引导动态邻接矩阵生成;最后,整合门控循环单元和图神经网络,融合预定义的静态邻接矩阵和实时生成的动态邻接矩阵,使用时空自适应图卷积循环模块进行风电功率预测。算例结果表明,所提模型有助于提高风电功率预测的预测精度。 展开更多
关键词 风电功率预测 时空自注意力机制 图卷积模型 门控循环单元
在线阅读 下载PDF
面向去中心化双重差分隐私的谱图卷积神经网络 被引量:3
3
作者 刘峰 杨成意 +1 位作者 於欣澄 齐佳音 《信息网络安全》 CSCD 北大核心 2022年第2期39-46,共8页
图卷积神经网络是一种面向多任务且应用广泛的深度学习模型。文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN。在给定隐私预算总额的条件下对... 图卷积神经网络是一种面向多任务且应用广泛的深度学习模型。文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN。在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计。在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法。实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确率下降1%以内的前提下确保原始数据隐私不泄露,相较于单隐私保护机制有着更高的隐私保护效率和更强的对抗攻击鲁棒性。 展开更多
关键词 双重差分隐私 去中心化差分隐私 图卷神经网络模型 区块链
在线阅读 下载PDF
基于人工智能的散打项目动作识别与自动评分方法研究
4
作者 孙文芳 吴泳锟 +2 位作者 林承德 徐永峰 李嘉裕 《体育学研究》 2025年第3期119-128,共10页
目的:针对散打技术动作复杂,评分难度高的特点,提出基于人工智能的散打动作智能评分方法,以提高比赛中动作识别与评分的准确性。方法:收集2015—2024年间发布于抖音、快手等网络平台上的全国武术散打锦标赛、全国武术散打冠军赛和全运... 目的:针对散打技术动作复杂,评分难度高的特点,提出基于人工智能的散打动作智能评分方法,以提高比赛中动作识别与评分的准确性。方法:收集2015—2024年间发布于抖音、快手等网络平台上的全国武术散打锦标赛、全国武术散打冠军赛和全运会武术散打比赛视频,构建并标注了散打动作数据集。在此基础上,结合图卷积网络(Graph Convolutional Network,GCN)PoseSAGE模型,加入残差连接,构建了改进模型PoseSAGERES,并开展了与PoseGNN、PoseSAGE模型的对比实验。实验结果表明,PoseSAGERES模型在小规模数据集上实现了73.76%的分类准确率,显著优于其他模型。一致性分析显示,该方法与人工评判结果具有良好一致性,体现出在散打动作智能评分中的应用潜力。研究证实了基于人工智能的散打智能评分方法的有效性,以及残差链接机制在提升复杂动作识别准确率方面的促进作用,为散打动作的自动化分析与智能评分提供了创新性解决方案。未来的研究将着力于扩展数据集规模,丰富动作类别,进一步优化模型性能与泛化能力。 展开更多
关键词 散打 人工智能 动作识别 智能评分 图卷神经网络模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部