期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法
被引量：
10
1
作者
孟衡
张涛
+3 位作者
王金
张晋源
李达
时光蕤
《电网技术》
EI
CSCD
北大核心
2024年第10期4297-4305,I0113-I0117,I0112,共15页
深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系...
深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系统拓扑结构中的空间特征上具有巨大潜力,因此,该文提出一种基于属性增强的多尺度时空图卷积神经网络与Transformer融合的电力系统多节点负荷预测方法。首先,将外部因素建模为动态属性和静态属性,设计属性增强单元对这些因素进行编码,并利用快速最大互信息系数量化各节点负荷的动态耦合信息。其次,采用多尺度时空图卷积网络挖掘节点间的短期时空特征,同时采用Transformer补充挖掘各节点负荷的长期时域特征。最后,使用门控融合层对两个模型进行融合。在纽约公开负荷数据集上的实验结果表明,所提方法能够充分挖掘多节点负荷数据中的时空耦合特性,具有更高的预测精度和稳定性。
展开更多
关键词
多节点负荷预测
多尺度
时空
图
卷积
神经
网络
属性增强
TRANSFORMER
在线阅读
下载PDF
职称材料
基于多尺度时空卷积的唇语识别方法
2
作者
叶鸿
危劲松
+3 位作者
贾兆红
郑辉
梁栋
唐俊
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第11期4170-4177,共8页
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式,从唇语视频序列中挖掘出时空联合特征。然而,由于单层的3维卷积不能很好地提取时间信息,同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限,该文提出一种多...
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式,从唇语视频序列中挖掘出时空联合特征。然而,由于单层的3维卷积不能很好地提取时间信息,同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限,该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中,采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征,同时提出时空坐标注意力模块,使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验,验证了所提方法的有效性。
展开更多
关键词
唇语识别
多尺度时空卷积网络
Res2Net
时空
坐标注意力
数据增强
在线阅读
下载PDF
职称材料
题名
基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法
被引量：
10
1
作者
孟衡
张涛
王金
张晋源
李达
时光蕤
机构
三峡大学电气与新能源学院
智慧能源技术湖北省工程研究中心(三峡大学)
国网湖北省电力有限公司宜昌供电公司
出处
《电网技术》
EI
CSCD
北大核心
2024年第10期4297-4305,I0113-I0117,I0112,共15页
基金
国家自然科学基金项目(52007103)。
文摘
深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系统拓扑结构中的空间特征上具有巨大潜力,因此,该文提出一种基于属性增强的多尺度时空图卷积神经网络与Transformer融合的电力系统多节点负荷预测方法。首先,将外部因素建模为动态属性和静态属性,设计属性增强单元对这些因素进行编码,并利用快速最大互信息系数量化各节点负荷的动态耦合信息。其次,采用多尺度时空图卷积网络挖掘节点间的短期时空特征,同时采用Transformer补充挖掘各节点负荷的长期时域特征。最后,使用门控融合层对两个模型进行融合。在纽约公开负荷数据集上的实验结果表明,所提方法能够充分挖掘多节点负荷数据中的时空耦合特性,具有更高的预测精度和稳定性。
关键词
多节点负荷预测
多尺度
时空
图
卷积
神经
网络
属性增强
TRANSFORMER
Keywords
multi-node load forecasting
multi-scale spatio-temporal graph convolutional neural network
attribute enhancement
Transformer
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于多尺度时空卷积的唇语识别方法
2
作者
叶鸿
危劲松
贾兆红
郑辉
梁栋
唐俊
机构
安徽大学互联网学院
安徽大学电子信息工程学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第11期4170-4177,共8页
基金
国家自然科学基金(71971002,62273001)
安徽省自然科学基金(2108085QA35)
+2 种基金
安徽省重点研究与开发计划(202004a07020050)
安徽省科技重大专项(202003A06020016)
安徽省高校优秀科研创新团队(2022AH010005)。
文摘
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式,从唇语视频序列中挖掘出时空联合特征。然而,由于单层的3维卷积不能很好地提取时间信息,同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限,该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中,采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征,同时提出时空坐标注意力模块,使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验,验证了所提方法的有效性。
关键词
唇语识别
多尺度时空卷积网络
Res2Net
时空
坐标注意力
数据增强
Keywords
Lipreading
Multi-scale spatiotemporal convolutional network
Res2Net
Spatiotemporal coordinate attention
Data augmentation
分类号
TN911.73 [电子电信—通信与信息系统]
TP391.41 [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
基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法
孟衡
张涛
王金
张晋源
李达
时光蕤
《电网技术》
EI
CSCD
北大核心
2024
10
在线阅读
下载PDF
职称材料
2
基于多尺度时空卷积的唇语识别方法
叶鸿
危劲松
贾兆红
郑辉
梁栋
唐俊
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
