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
基于多特征融合的卷积神经网络的电能质量扰动识别方法
被引量：
15
1
作者
吴怀诚
刘家强
+2 位作者
岳蕾
徐凯
张秋慧
《电网与清洁能源》
CSCD
北大核心
2023年第9期19-23,31,共6页
电能质量扰动的识别是电力系统故障预警与识别的重要手段。电网中,变压器系统存在的电能质量扰动通常为叠加扰动波形。为提高扰动智能识别框架的准确度,提出了一种基于多特征融合卷积神经网络(multi feature convolution neural network...
电能质量扰动的识别是电力系统故障预警与识别的重要手段。电网中,变压器系统存在的电能质量扰动通常为叠加扰动波形。为提高扰动智能识别框架的准确度,提出了一种基于多特征融合卷积神经网络(multi feature convolution neural network,MFCNN)的电能质量扰动的识别模型。提出的MFCNN模型具有2个子模型,将原始的时域数据和经过快速傅里叶变换(fast Fourier transform,FFT)所得频域数据分别作为2个子模型的输入,通过对时域、频域信息的特征融合来实现复杂扰动信号的识别;利用多组电能质量叠加扰动数据,训练传统机器学习模型和MFCNN模型,对比不同模型对电能质量扰动识别的准确率,验证MFCNN模型的有效性。实验结果表明,MFCNN模型对于7种扰动信号的识别准确率均可达到91.6%以上,其中,谐波和陷波叠加扰动信号的准确率为92.9%,具有更强的识别能力。
展开更多
关键词
电力系统故障
电能质量扰动
变压器
多特征卷积神经网络
快速傅里叶变换
在线阅读
下载PDF
职称材料
多特征混合模型文本情感分析方法
被引量：
12
2
作者
李文亮
杨秋翔
秦权
《计算机工程与应用》
CSCD
北大核心
2021年第19期205-213,共9页
近年来,深度学习被广泛应用于文本情感分析。其中文本卷积神经网络(TextCNN)最具代表性,但是TxetCNN的语义特征提取存在词嵌入维度语义特征丢失、最大池化算法特征提取不足和文本长期依赖关系丢失的问题。针对以上问题,提出多特征混合模...
近年来,深度学习被广泛应用于文本情感分析。其中文本卷积神经网络(TextCNN)最具代表性,但是TxetCNN的语义特征提取存在词嵌入维度语义特征丢失、最大池化算法特征提取不足和文本长期依赖关系丢失的问题。针对以上问题,提出多特征混合模型(BiLSTM-MFCNN)的文本情感分析方法。该方法使用双向长短记忆网络(BiLSTM)学习文本的长期依赖关系;改进TextCNN的卷积层和池化层提出多特征卷积神经网络(MFCNN),卷积层利用五种不同的卷积算法,分别从句子维度、整个词嵌入维度、单个词嵌入维度、相邻词向量维度和单个词向量维度提取文本的语义特征,池化层利用最大池化算法和平均池化算法,获取文本的情感特征。在中文NLPCCEmotion Classification Challenge和COAE2014数据集、英文Twitter数据集进行对比实验,实验结果表明该混合模型在文本情感分析任务中能够取得更好的效果。
展开更多
关键词
文本情感分析
混合模型
双向长短记忆
网络
(BiLSTM)
多特征卷积神经网络
(MFCNN)
在线阅读
下载PDF
职称材料
题名
基于多特征融合的卷积神经网络的电能质量扰动识别方法
被引量：
15
1
作者
吴怀诚
刘家强
岳蕾
徐凯
张秋慧
机构
国网辽宁省电力有限公司检修分公司
国网辽宁省电力有限公司设备部
出处
《电网与清洁能源》
CSCD
北大核心
2023年第9期19-23,31,共6页
基金
国家电网有限公司科技项目(2021YF-42)。
文摘
电能质量扰动的识别是电力系统故障预警与识别的重要手段。电网中,变压器系统存在的电能质量扰动通常为叠加扰动波形。为提高扰动智能识别框架的准确度,提出了一种基于多特征融合卷积神经网络(multi feature convolution neural network,MFCNN)的电能质量扰动的识别模型。提出的MFCNN模型具有2个子模型,将原始的时域数据和经过快速傅里叶变换(fast Fourier transform,FFT)所得频域数据分别作为2个子模型的输入,通过对时域、频域信息的特征融合来实现复杂扰动信号的识别;利用多组电能质量叠加扰动数据,训练传统机器学习模型和MFCNN模型,对比不同模型对电能质量扰动识别的准确率,验证MFCNN模型的有效性。实验结果表明,MFCNN模型对于7种扰动信号的识别准确率均可达到91.6%以上,其中,谐波和陷波叠加扰动信号的准确率为92.9%,具有更强的识别能力。
关键词
电力系统故障
电能质量扰动
变压器
多特征卷积神经网络
快速傅里叶变换
Keywords
power system failure
power quality disturbance
transformer
multi feature convolution neural network
fast Fourier transform
分类号
TM711 [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
多特征混合模型文本情感分析方法
被引量：
12
2
作者
李文亮
杨秋翔
秦权
机构
中北大学软件学院
出处
《计算机工程与应用》
CSCD
北大核心
2021年第19期205-213,共9页
基金
国家部委预研基金。
文摘
近年来,深度学习被广泛应用于文本情感分析。其中文本卷积神经网络(TextCNN)最具代表性,但是TxetCNN的语义特征提取存在词嵌入维度语义特征丢失、最大池化算法特征提取不足和文本长期依赖关系丢失的问题。针对以上问题,提出多特征混合模型(BiLSTM-MFCNN)的文本情感分析方法。该方法使用双向长短记忆网络(BiLSTM)学习文本的长期依赖关系;改进TextCNN的卷积层和池化层提出多特征卷积神经网络(MFCNN),卷积层利用五种不同的卷积算法,分别从句子维度、整个词嵌入维度、单个词嵌入维度、相邻词向量维度和单个词向量维度提取文本的语义特征,池化层利用最大池化算法和平均池化算法,获取文本的情感特征。在中文NLPCCEmotion Classification Challenge和COAE2014数据集、英文Twitter数据集进行对比实验,实验结果表明该混合模型在文本情感分析任务中能够取得更好的效果。
关键词
文本情感分析
混合模型
双向长短记忆
网络
(BiLSTM)
多特征卷积神经网络
(MFCNN)
Keywords
sentiment analysis
hybrid model
Bidirectional Long Short-Term Memory(BiLSTM)network
Multiple Features Convolution Neural Network(MFCNN)
分类号
TP391.1 [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
基于多特征融合的卷积神经网络的电能质量扰动识别方法
吴怀诚
刘家强
岳蕾
徐凯
张秋慧
《电网与清洁能源》
CSCD
北大核心
2023
15
在线阅读
下载PDF
职称材料
2
多特征混合模型文本情感分析方法
李文亮
杨秋翔
秦权
《计算机工程与应用》
CSCD
北大核心
2021
12
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
