检索结果-维普期刊中文期刊服务平台

融合深度BiGRU与全局图卷积的方面级情感分析模型被引量：4: 1; 作者杨春霞徐奔 +1 位作者陈启岗桂强《小型微型计算机系统》 CSCD 北大核心 2023年第1期132-139,共8页; 现有基于深度学习的方面级情感分析模型需要考虑如何提取深层次的语义信息,其次通过依存树提取句法结构时可能存在信息丢失与数据稀疏问题.针对以上问题,本文提出了基于深度双向门控循环单元与全局双向图卷积网络的神经网络模型(DBG-GBG... 展开更多; 关键词方面级情感分析全局矩阵深度双向门控循环单元双向图卷积网络特征融合; 在线阅读下载PDF 职称材料

基于时序特征灰度图与多任务学习的综合能源负荷短期预测被引量：4: 2; 作者倪建辉张菁 +2 位作者张昊立陈龙高典《电气工程学报》 CSCD 北大核心 2024年第2期186-199,共14页; 准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大... 展开更多; 关键词多元负荷预测最大互信息系数快速相关滤波算法特征冗余性 MIC-gamma图像增强卷积注意力机制模块深度双向门控循环单元; 在线阅读下载PDF 职称材料

基于DGRU网络的烘丝机筒壁温度动态预测被引量：8: 3; 作者张雷李金学 +4 位作者堵劲松李龙飞邹严颉张二强李善莲《轻工学报》北大核心 2022年第6期85-91,100,共8页; 针对烘丝机干燥过程中筒壁温度难以准确进行在线检测的问题,提出基于深度门控循环单元(Deep Gated Recurrent Unit,DGRU)网络的筒壁温度动态预测方法。该方法先对现场工业数据进行小波去噪、归一化等预处理;然后采用互信息理论选择与筒... 展开更多; 关键词烘丝机筒壁温度深度门控循环单元动态预测互信息; 在线阅读下载PDF 职称材料

基于RF-DGRU-SA的涡扇发动机剩余寿命预测被引量：2: 4; 作者马鸣风王力《机床与液压》北大核心 2023年第1期196-201,共6页; 针对涡扇发动机在退化过程中机制复杂、状态检测数据维数过高等问题,提出一种随机森林(RF)和基于自注意力机制(SA)深度门控循环单元(DGRU)相融合的涡扇发动机剩余使用寿命(RUL)预测方法。利用RF算法确定重要度阈值实现特征筛选。将筛选... 展开更多; 关键词涡扇发动机剩余使用寿命随机森林深度门控循环单元自注意力机制; 在线阅读下载PDF 职称材料

题名融合深度BiGRU与全局图卷积的方面级情感分析模型被引量：4: 1; 作者杨春霞徐奔陈启岗桂强; 机构南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心; 出处《小型微型计算机系统》 CSCD 北大核心 2023年第1期132-139,共8页; 基金国家自然科学基金项目(61273229,51705260)资助.; 文摘现有基于深度学习的方面级情感分析模型需要考虑如何提取深层次的语义信息,其次通过依存树提取句法结构时可能存在信息丢失与数据稀疏问题.针对以上问题,本文提出了基于深度双向门控循环单元与全局双向图卷积网络的神经网络模型(DBG-GBGCN).该模型通过深度双向门控循环单元捕获深层次的语义特征,得到上下文的隐层表示.然后将依存树的邻接矩阵转变为带有全局句法信息的全局矩阵,将此矩阵与上下文的隐层表示一起输入至双向图卷积网络进行特征融合,最后经过掩码层和注意力层得到一个包含深层语义特征与句法结构信息结合的分类特征.实验结果证明,该模型在5个公开数据集上的准确率与F1值均比对比模型有着一定的提升.; 关键词方面级情感分析全局矩阵深度双向门控循环单元双向图卷积网络特征融合; Keywords aspect level sentiment analysis global matrix deep bidirectional gating loop unit bidirectional graph convolution network feature fusion; 分类号 TP391 [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

题名基于时序特征灰度图与多任务学习的综合能源负荷短期预测被引量：4: 2; 作者倪建辉张菁张昊立陈龙高典; 机构上海工程技术大学电子电气工程学院; 出处《电气工程学报》 CSCD 北大核心 2024年第2期186-199,共14页; 基金国家自然科学基金资助项目(52077137)。; 文摘准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大互信息系数(Maximum information coefficient,MIC)改进的快速相关滤波算法(Fast correlation-based filter,FCBF)对IES时序特征数据集进行相关性分析和冗余性分析;然后将特征选择结果利用因数重构法与MIC-gamma图像增强的方法重构为时序特征灰度图,能够直观有效地反映实际数据的特征相关性;其次采用基于多任务学习框架的(Convolutional block attention module-convolutional neural network-deep bidirectional gated recurrent unit,CBAM-CNN-DBiGRU)网络进行训练,嵌入的卷积注意力机制模块(Convolutional block attention module,CBAM)与(Deep bidirectional gated recurrent unit,DBiGRU)结构能有效加强共享层的关键信息提取和时序信息处理能力;最后以美国亚利桑那州立大学的IES数据为例对提出的方法进行测试。选取典型工作日和典型休息日并对比多种深度网络模型,测试结果表明,该模型在典型工作日的加权平均绝对百分比误差与加权均方根误差分别最大降低了0.8813%与229.2593 kW,在典型休息日则分别最大降低了0.9942%与360.8007 kW,能够有效提升IES多元负荷预测精度。; 关键词多元负荷预测最大互信息系数快速相关滤波算法特征冗余性 MIC-gamma图像增强卷积注意力机制模块深度双向门控循环单元; Keywords Multi-energy load prediction maximum information coefficient fast correlation-based filter feature redundancy MIC-gamma image enhancement convolutional block attention module deep bidirectional gated recurrent unit; 分类号 TM561 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于DGRU网络的烘丝机筒壁温度动态预测被引量：8: 3; 作者张雷李金学堵劲松李龙飞邹严颉张二强李善莲; 机构郑州轻工业大学电气信息工程学院中国烟草总公司郑州烟草研究院河南中烟工业有限责任公司技术中心陕西中烟工业有限责任公司技术中心; 出处《轻工学报》北大核心 2022年第6期85-91,100,共8页; 基金国家局烟草科研大数据重大专项项目(110202101083(SJ-07)) 河南省科技攻关计划项目(212102210155) +1 种基金河南中烟工业有限责任公司科技项目(ZW201806)。; 文摘针对烘丝机干燥过程中筒壁温度难以准确进行在线检测的问题,提出基于深度门控循环单元(Deep Gated Recurrent Unit,DGRU)网络的筒壁温度动态预测方法。该方法先对现场工业数据进行小波去噪、归一化等预处理;然后采用互信息理论选择与筒壁温度相关性最强的特征作为模型初始输入变量;最后通过堆叠门控循环单元网络提取工业数据中深层非线性动态特征,输入全连接层中用于估计筒壁温度。基于某烟厂烘丝机工业数据的实验结果表明:DGRU算法预测误差箱体图中的误差中值及均值非常接近零刻度线,且造成的异常点较少。该方法的预测精度较高,能够实现筒壁温度精确动态预测。; 关键词烘丝机筒壁温度深度门控循环单元动态预测互信息; Keywords drum dryer cylinder wall temperature deep gated recurrent unit dynamic prediction mutual information; 分类号 TS43 [农业科学—烟草工业]; 在线阅读下载PDF 职称材料

题名基于RF-DGRU-SA的涡扇发动机剩余寿命预测被引量：2: 4; 作者马鸣风王力; 机构中国民航大学电子信息与自动化学院中国民航大学职业技术学院; 出处《机床与液压》北大核心 2023年第1期196-201,共6页; 基金国家自然科学基金委员会与中国民用航空局联合资助项目(U1733119)。; 文摘针对涡扇发动机在退化过程中机制复杂、状态检测数据维数过高等问题,提出一种随机森林(RF)和基于自注意力机制(SA)深度门控循环单元(DGRU)相融合的涡扇发动机剩余使用寿命(RUL)预测方法。利用RF算法确定重要度阈值实现特征筛选。将筛选出的特征输入DGRU-SA模块,通过多层GRU神经网络挖掘出相关特征与目标值之间的隐藏信息,利用SA神经网络为隐藏信息添加不同大小的权重。最后,利用全连接层输出预测结果,采用CMAPSS数据集进行实验验证。结果证明:与传统的多层感知机、卷积神经网络、长短时记忆等方法相比,所提出的融合模型误差更小,具有良好的预测精度和稳定性。; 关键词涡扇发动机剩余使用寿命随机森林深度门控循环单元自注意力机制; Keywords Turbofan engine Remaining useful life Random forest DGRU Self attention; 分类号 V271.4 [航空宇航科学与技术—飞行器设计]; 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	融合深度BiGRU与全局图卷积的方面级情感分析模型	杨春霞徐奔陈启岗桂强	《小型微型计算机系统》 CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
2	基于时序特征灰度图与多任务学习的综合能源负荷短期预测	倪建辉张菁张昊立陈龙高典	《电气工程学报》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
3	基于DGRU网络的烘丝机筒壁温度动态预测	张雷李金学堵劲松李龙飞邹严颉张二强李善莲	《轻工学报》北大核心	2022	8	在线阅读下载PDF 职称材料
4	基于RF-DGRU-SA的涡扇发动机剩余寿命预测	马鸣风王力	《机床与液压》北大核心	2023	2	在线阅读下载PDF 职称材料