考虑自注意力和时序记忆的深度强化学习配电网无功电压控制策略 被引量：2

1

作者 刘硕 冯斌 +3 位作者 郭创新 籍雯媗 王炜 张勇 《中国电机工程学报》 北大核心 2025年第2期565-576,I0014,共13页

大量分布式新能源的接入,导致配电网面临电压越限、网损增加等严峻挑战。针对无功电压控制问题,深度强化学习能够有效解决传统优化方法在模型依赖和求解速度方面的不足。然而现有深度强化学习方法在面对大规模配网复杂场景时,特征提取... 大量分布式新能源的接入,导致配电网面临电压越限、网损增加等严峻挑战。针对无功电压控制问题,深度强化学习能够有效解决传统优化方法在模型依赖和求解速度方面的不足。然而现有深度强化学习方法在面对大规模配网复杂场景时,特征提取能力有限,控制效果欠佳,因此该文提出一种考虑自注意力和时序记忆的多智能体深度强化学习控制策略。首先,将无功电压控制问题建模为分布式部分可观测马尔可夫决策过程;其次,基于自注意力编码器和时序记忆神经元,设计了特征提取网络、辅助训练网络、改进策略网络和改进价值网络4种神经网络结构;然后,引入自监督学习,介绍所提算法的中心式训练和分布式执行过程;最后,在改进的IEEE 141节点配网系统上进行了算例测试。实验结果表明,所提控制策略能够有效提取状态特征、记忆时序信息、辨识关键元件,表现出更加优异的稳压减损控制效果,同时具有较好的鲁棒性、可解释性和训练稳定性。 展开更多

关键词 无功电压控制 深度强化学习 多智能体 自注意力 时序记忆 自监督学习

在线阅读 下载PDF 职称材料

系列范畴词表时序记忆和项目记忆研究 被引量：4

2

作者 杨志新 《心理学报》 CSSCI CSCD 北大核心 1998年第1期35-42,共8页

该项研究探讨系列范畴词表的时序长时记忆和项目长时记忆，实验设计的系列范畴词表将记忆项目分为词表内范畸相同项和词表间范畴相同项，时序记忆测量方法是词表辨认，项目记忆测量方法是自由回忆。实验一发现：２分钟延缓测试词表内范... 该项研究探讨系列范畴词表的时序长时记忆和项目长时记忆，实验设计的系列范畴词表将记忆项目分为词表内范畸相同项和词表间范畴相同项，时序记忆测量方法是词表辨认，项目记忆测量方法是自由回忆。实验一发现：２分钟延缓测试词表内范畴相同项时序记忆和项目记忆优于词表间范畴相同项；６分钟以及１０分钟延缓测试时序记忆仍是词表内范畴相同项好。实验二发现：以范畴线索提取，两类项目记忆没有显著差异；以词表线索提取，两类项目记忆差异显著。实验结果提示：２分钟延缓测试的提取策略是词表线索，６分钟以及１０分钟延缓测试的提取策略是范畸线索。 展开更多

关键词 时序记忆 项目记忆 词表辨认 心理过程

在线阅读 下载PDF 职称材料

层级时序记忆算法的连铸下渣预报方法研究

3

作者 史涛 陈炫 任红格 《机械设计与制造》 北大核心 2022年第1期70-73,共4页

针对传统连铸下渣检测技术没有充分利用连铸生产数据之间的非线性关系,且存在下渣识别精度低、时间滞后等问题。提出一种基于层级时序记忆(Hierarchical Temporal Memory,HTM)算法的连铸下渣实时预报方法。该方法利用HTM算法对钢包浇注... 针对传统连铸下渣检测技术没有充分利用连铸生产数据之间的非线性关系,且存在下渣识别精度低、时间滞后等问题。提出一种基于层级时序记忆(Hierarchical Temporal Memory,HTM)算法的连铸下渣实时预报方法。该方法利用HTM算法对钢包浇注过程采集的时序数据进行预测,并且采用滑动窗口方法计算预测残差,最后应用正态分布的分布函数评估下渣概率,在评估概率超出阈值范围时,发出下渣报警信息。实验结果证明该方法能够智能、有效、准确的识别出下渣时间,具有较高的预报精度。 展开更多

关键词 连铸下渣 层级时序记忆 下渣预报 预测残差

在线阅读 下载PDF 职称材料

物体认知——基于动物自发行为的一种学习记忆评价方法的研究 被引量：9

4

作者 吕静薇 宋广青 +3 位作者 董黎明 姜宁 陈善广 刘新民 《中国比较医学杂志》 CAS 北大核心 2018年第3期21-27,共7页

目的研究物体认知实验方法中的新物体识别实验、物体位置识别实验、时序记忆实验和情景记忆实验四种模式中实验步骤和评价指标,为学习记忆研究提供一种基于动物自发行为,多模式、精细敏感的行为实验方法。方法选择KM和ICR两种品系小鼠,... 目的研究物体认知实验方法中的新物体识别实验、物体位置识别实验、时序记忆实验和情景记忆实验四种模式中实验步骤和评价指标,为学习记忆研究提供一种基于动物自发行为,多模式、精细敏感的行为实验方法。方法选择KM和ICR两种品系小鼠,采用四种实验模式,研究其测试期、熟悉期及间隔时间等。结果四种实验模式中,熟悉期5 min,熟悉期与测试期间隔10 min,测试期为3~5 min时可较好地评价动物记忆能力。结论本研究系统明确了物体认知四种模式的检测步骤、间隔时间和评价指标,为物体认知用于学习记忆障碍发生发展机制、新药和保健品研发提供了稳定可靠、规范的操作方法。 展开更多

关键词 物体认知 物体位置 时序记忆 情景记忆 学习记忆 小鼠

在线阅读 下载PDF 职称材料

时间记忆中注意机制的研究 被引量：1

5

作者 邓铸 《心理科学进展》 CSSCI CSCD 1997年第1期31-36,共6页

本文综述了时间记忆中注意影响机制的理论模型和研究范式，提出了进一步综合研究的设想和建立总的时间记忆注意模型的可能性。

关键词 时间记忆 时距记忆 时序记忆 注意机制

在线阅读 下载PDF 职称材料

基于HTM的离线手写签名识别及改进 被引量：5

6

作者 陈雪 朱敏 +1 位作者 钟煜 范量 《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2011年第S1期146-150,共5页

现有离线签名识别的方法主要存在识别率低的缺陷,如何进一步提高签名识别率是目前该项研究的核心问题这一。提出一种基于层次时间记忆(Hierarchical Temporal Memory,HTM)的离线签名识别系统,并结合签名样本的时空特征,对离线签名进行... 现有离线签名识别的方法主要存在识别率低的缺陷,如何进一步提高签名识别率是目前该项研究的核心问题这一。提出一种基于层次时间记忆(Hierarchical Temporal Memory,HTM)的离线签名识别系统,并结合签名样本的时空特征,对离线签名进行有效处理和识别。实验结果证明,该方法的识别率可达95%,并对签名的移动与缩放有较好的识别效果。还结合算法中的maxdistance参数对识别结果进行分析和改进。 展开更多

关键词 离线签名 手写签名识别 分层时序记忆 时空特征

在线阅读 下载PDF 职称材料

面向多核的并发HTM空间池算法 被引量：1

7

作者 牛德姣 周时颉 +2 位作者 蔡涛 杨乐 李雷 《小型微型计算机系统》 CSCD 北大核心 2022年第9期1886-1893,共8页

层级时序记忆(Hierarchical Temporal Memory,HTM)是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池(Spatial Pooler,SP)训练时需要搜索整个模型空间查找活跃微柱,算法时间复杂度高且不适用现有方法进行加速.针对此,本... 层级时序记忆(Hierarchical Temporal Memory,HTM)是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池(Spatial Pooler,SP)训练时需要搜索整个模型空间查找活跃微柱,算法时间复杂度高且不适用现有方法进行加速.针对此,本文提出了面向多核的并发HTM空间池算法,利用多核处理器的并发计算能力将空间池的训练分布在多个计算核心上并行完成,以加快查找速度,减少训练所需的时间开销.所提出的空间池训练方法包括基于分区的微柱激活策略和并发的近端树突调整算法.在多核大数据平台Phoenix上实现了面向多核的并发HTM(Multicore Concurrent Hierarchical Temporal Memory,MCHTM)空间池算法原型,并使用NYC-Taxi、NAB和MNIST数据集进行了测试.实验结果表明,MCHTM相较于HTM,在NYC-Taxi、NAB和MNIST数据集上空间池的训练时间开销分别降低97.29%、97.25%和96.29%,预测准确率分别提高3.28%、1.83%和0.91%.相同训练时间开销下,相较于长短期记忆网络(Long Short-Term Memory,LSTM),MCHTM在NYC-Taxi和NAB数据集上均方根误差分别降低0.1266和0.089,在MNIST数据集上准确率提高0.42%. 展开更多

关键词 层级时序记忆 空间池 并发 多核 PHOENIX

在线阅读 下载PDF 职称材料

面向汉维机器翻译的神经网络语言模型 被引量：3

8

作者 李毓 杨雅婷 +2 位作者 李晓 米成刚 董瑞 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第2期189-194,共6页

针对传统神经网络语言模型方法只关注词语之间关系或者词语内部信息而导致维吾尔语语言模型困惑度(PPL)过高的问题,提出了融入词素信息的维吾尔语神经网络语言模型.该方法在传统神经网络语言模型的基础上添加了词内结构建模层及合并层,... 针对传统神经网络语言模型方法只关注词语之间关系或者词语内部信息而导致维吾尔语语言模型困惑度(PPL)过高的问题,提出了融入词素信息的维吾尔语神经网络语言模型.该方法在传统神经网络语言模型的基础上添加了词内结构建模层及合并层,利用双向长短时序记忆网络来捕捉词内结构信息,并与word2vec训练好的词向量相结合作为神经网络语言模型的输入;同时还采用重构N元语法(N-gram)语言模型的方式将神经网络模型应用到汉维统计机器翻译中.实验表明该模型的PPL降低了19.93,在汉维统计机器翻译任务中机器双语互译评估(BLEU)值提升了0.28个百分点. 展开更多

关键词 维吾尔语 机器翻译 语言模型 词向量 长短时序记忆网络

在线阅读 下载PDF 职称材料

基于稀疏分布式表征的英文著者姓名消歧研究 被引量：7

9

作者 翟晓瑞 韩红旗 +1 位作者 张运良 李仲 《计算机应用研究》 CSCD 北大核心 2019年第12期3534-3538,共5页

为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同... 为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现著者姓名消歧。最终得到的结果为准确率98. 21%,召回率76. 75%,F值86. 17%,证明提出的消歧方法具有较好的效果。通过将该方法与利用合著者特征进行消歧的方法进行对比,说明该方法能够较好地解决文献著者姓名歧义问题。此外,该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者,无须重新学习和更新模型。 展开更多

关键词 姓名消歧 稀疏分布式表征 语义指纹 层级时序记忆模型

在线阅读 下载PDF 职称材料

基于连续语音识别技术的猪连续咳嗽声识别 被引量：24

10

作者 黎煊 赵建 +3 位作者 高云 刘望宏 雷明刚 谭鹤群 《农业工程学报》 EI CAS CSCD 北大核心 2019年第6期174-180,共7页

针对现有基于孤立词识别技术的猪咳嗽声识别存在识别声音种类有限,无法反映实际患病猪连续咳嗽的问题,该文提出了基于双向长短时记忆网络-连接时序分类模型(birectional long short-termmemory-connectionist temporal classification,B... 针对现有基于孤立词识别技术的猪咳嗽声识别存在识别声音种类有限,无法反映实际患病猪连续咳嗽的问题,该文提出了基于双向长短时记忆网络-连接时序分类模型(birectional long short-termmemory-connectionist temporal classification,BLSTM-CTC)构建猪声音声学模型,进行猪场环境猪连续咳嗽声识别的方法,以此进行猪早期呼吸道疾病的预警和判断。研究了体质量为75 kg左右长白猪单个咳嗽声样本的持续时间长度和能量大小的时域特征,构建了声音样本持续时间在0.24～0.74 s和能量大于40.15 V^2·s的阈值范围。在此阈值范围内,利用单参数双门限端点检测算法对基于多窗谱的心理声学语音增强算法处理后的30 h猪场声音进行检测,得到222段试验语料。将猪场环境下的声音分为猪咳嗽声和非猪咳嗽声,并以此作为声学模型建模单元,进行语料的标注。提取26维梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)作为试验语段特征参数。通过BLSTM网络学习猪连续声音的变化规律,并利用CTC实现了端到端的猪连续声音识别系统。5折交叉验证试验平均猪咳嗽声识别率达到92.40%,误识别率为3.55%,总识别率达到93.77%。同时,以数据集外1 h语料进行了算法应用测试,得到猪咳嗽声识别率为94.23%,误识别率为9.09%,总识别率为93.24%。表明基于连续语音识别技术的BLSTM-CTC猪咳嗽声识别模型是稳定可靠的。该研究可为生猪健康养殖过程中猪连续咳嗽声的识别和疾病判断提参考。 展开更多

关键词 信号处理 声音信号 识别 生猪产业 连续咳嗽声 双向长短时记忆网络-连接时序分类模型 声学模型

在线阅读 下载PDF 职称材料

基于地基云图与气象因素多模态融合的光伏功率预测方法

11

作者 邓芳明 刘涛 +3 位作者 王锦波 高波 韦宝泉 李泽文 《中国电机工程学报》 2025年第18期7193-7205,I0014,共14页

现有地基云图与气象因素融合方法难以充分利用地基云图和气象因素两种模态之间的相关性和互补性,导致无法有效提升辐照度变化剧烈天气下的光伏功率预测准确度。该文提出一种基于地基云图与气象因素多模态融合的光伏功率预测方法。采用... 现有地基云图与气象因素融合方法难以充分利用地基云图和气象因素两种模态之间的相关性和互补性,导致无法有效提升辐照度变化剧烈天气下的光伏功率预测准确度。该文提出一种基于地基云图与气象因素多模态融合的光伏功率预测方法。采用一种改进Transformer网络,通过将气象数据输入部分的位置编码替换为时序卷积网络(time series convolutional network,TCN),提升网络对气象数据的特征提取能力;通过将网络解码器部分的多头注意力机制模块替换为长短时记忆网络(long short-term memory networks,LSTM),提升网络对时序序列的预测能力。分别引入引导注意力机制和低秩多模态融合算法对云图特征和气象特征进一步特征提取和融合,以充分利用不同源数据之间的相关性和互补性。结果表明,上述方法的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和拟合优度(R^(2))分别为0.294、0.248和0.866,可以提升辐照度变化剧烈天气下的光伏功率预测准确度,从而提高电力系统运行的稳定性和可靠性。 展开更多

关键词 地基云图 多模态融合 光伏功率预测 时序卷积网络-Transformer-长短时记忆网络 气象因素

在线阅读 下载PDF 职称材料