期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
用于下一项推荐的序列感知深度网络 被引量:3
1
作者 赵串串 游进国 李晓武 《小型微型计算机系统》 CSCD 北大核心 2020年第7期1389-1394,共6页
推荐系统旨在解决项目的信息爆炸问题并为用户提供个性化推荐.通常,用户交互的历史项目对于用户交互的下一个项目是有着不同的影响的.为此,本文提出一种序列感知深度网络(SeqaDN).本算法主要分为三部分,即项目嵌入、序列感知和深度神经... 推荐系统旨在解决项目的信息爆炸问题并为用户提供个性化推荐.通常,用户交互的历史项目对于用户交互的下一个项目是有着不同的影响的.为此,本文提出一种序列感知深度网络(SeqaDN).本算法主要分为三部分,即项目嵌入、序列感知和深度神经网络偏好学习.首先,通过Item2vec项目嵌入方法将项目的上下文项目作为输入,得到项目的嵌入;其次,本文在Seqa DN中添加了一个自注意力网络,以感知序列中每个项目关于当前下一个项目的不同影响权重;最后,基于深度双向循环神经网络学习用户的历史偏好.通过在真实数据集MovieLens上设置对比实验验证算法有效性,与传统算法以及同类型算法作对比,实验结果证明了SeqaDN比现有的序列推荐方法取得了更好的推荐性能. 展开更多
关键词 下一项推荐 序列感知 自注意力网络 深度双向循环神经网络
在线阅读 下载PDF
基于深度学习的微电网优化调度辅助决策方法 被引量:30
2
作者 陈卫东 吴宁 +3 位作者 黄彦璐 马溪原 郭晓斌 林冬 《南方电网技术》 CSCD 北大核心 2022年第1期117-126,共10页
随着可再生能源以及电力电子设备的高比例接入,微电网控制决策优化以及调度方式将面临极大的问题和挑战,南方电网公司正在向“能源价值链整合商”转型,将有可能运维数以万计的微电网,传统的模型驱动、预案式控制、人工值守的调度模式将... 随着可再生能源以及电力电子设备的高比例接入,微电网控制决策优化以及调度方式将面临极大的问题和挑战,南方电网公司正在向“能源价值链整合商”转型,将有可能运维数以万计的微电网,传统的模型驱动、预案式控制、人工值守的调度模式将难以满足需求。面向人工智能在微电网自动运行调控领域的需求,提出了基于深度学习的微电网优化调度辅助决策方法。首先介绍了微电网优化运行的典型数学规划模型,分析了模型驱动的建模求解方法的难点和局限性,接着提出了基于深度双向长短期记忆网络的微电网日前优化调度深度学习模型和方法,给出了模型输出结果的修正与处理原则,最后通过算例分析验证了本文模型和算法的有效性。 展开更多
关键词 微电网 优化调度 深度学习 深度双向长短期记忆网络 人工智能
在线阅读 下载PDF
基于数据驱动的有源配电网实时调度降损策略 被引量:6
3
作者 夏革非 丁智涵 +3 位作者 于长任 张慧敏 张海峰 吴乃月 《电测与仪表》 北大核心 2022年第12期103-109,共7页
农村配网通常接入有较大容量的小水电等分布式电源,在向上级电网反送电能的过程中造成了大量的线损,因此提出了一种实时调度策略旨在降低配电网的线损。文章考虑分布式电源的有功无功控制以及有载调压分接头的控制,基于支路潮流模型建... 农村配网通常接入有较大容量的小水电等分布式电源,在向上级电网反送电能的过程中造成了大量的线损,因此提出了一种实时调度策略旨在降低配电网的线损。文章考虑分布式电源的有功无功控制以及有载调压分接头的控制,基于支路潮流模型建立了配电网调度降损模型;进一步,通过构造高维随机矩阵,从配电网运行时间序列数据中提取能够表征运行状态的特征作为输入,对配电网历史调节策略进行热编码作为输出;利用深度双向长短时记忆网络学习配电网特征与网络降损策略之间的函数映射关系,建立基于数据深度学习驱动的有源配电网实时调度降损模型;基于实际有源配电网系统进行了仿真。仿真结果表明,所提出的实时调度算法能在保证小水电上网收益的前提下,优化小水电的出力曲线,提高分布式电能的就地消纳率,从而降低了网损。 展开更多
关键词 有源配电网 数据驱动 线损分析 深度双向长短时记忆网络 实时调度
在线阅读 下载PDF
基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演 被引量:5
4
作者 魏新宇 桑建兵 +2 位作者 张睿琳 王静远 刘宝友 《力学学报》 EI CAS CSCD 北大核心 2022年第11期3215-3222,共8页
探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要.基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性,本文提出了分别利用双向深度神经网络TW-Deepnets模型和随... 探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要.基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性,本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法.首先,建立了软骨细胞的无侧限压缩实验有限元模型,收集MSn HS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集.其次,结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型,对有限元收集的数据进行训练,并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求.最后,通过与实验曲线的对比验证了所提出的反演方法的有效性,并引入决定系数R2对两种模型的预测准确性进行了对比评估,检验了模型对各本构参数的预测性能,分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比.结果表明,本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值,从而准确描述软骨细胞的时间依赖性力学特性,该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题. 展开更多
关键词 软骨细胞 参数反演 有限元方法 双向深度神经网络 随机森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部