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
3
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
渐进式分层特征提取的综合能源多任务负荷预测
1
作者
王德文
安涵
+1 位作者
张林飞
赵文清
《智能系统学报》
北大核心
2025年第4期858-870,共13页
针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。...
针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。将全年数据按季节划分,分析各季节下电、冷、热负荷间耦合强度;采用变分模态分解将历史负荷序列分解为多个不同频率的分量,可以更好挖掘多元负荷的深层时序特征;渐进式分层提取多元负荷的耦合特征,并动态分配耦合特征对预测结果的影响权重,避免耦合特征无效时模型预测精度下降。实验结果证明,在不同的多元负荷耦合强度下,渐进式分层特征提取的多任务负荷预测在精度上有更好表现。研究结论可用于指导综合能源多元负荷预测过程。
展开更多
关键词
负荷预测
综合能源
多任务学习
多元负荷
渐进式分层
特征提取
最大信息系数
变分模态分解
在线阅读
下载PDF
职称材料
带有半渐进式分层提取机制的轻量化多任务模型
被引量：
3
2
作者
杨程
车文刚
《现代电子技术》
北大核心
2024年第3期18-24,共7页
多任务学习目前广泛被应用于各大领域,然而大部分效果较佳的模型都有着复杂的网络层级和架构,导致这些多任务学习模型很难被应用于资源有限的设备上,例如:经费有限但是人口基数大的国家或地区进行人口普查预测、便携设备的翻译等任务。...
多任务学习目前广泛被应用于各大领域,然而大部分效果较佳的模型都有着复杂的网络层级和架构,导致这些多任务学习模型很难被应用于资源有限的设备上,例如:经费有限但是人口基数大的国家或地区进行人口普查预测、便携设备的翻译等任务。为解决这一问题,提出半渐进式分层提取的轻量化多任务模型。模型首先通过对顶层任务独有的专家模块进行剪枝,将原先负责提取每个独立任务深层信息的工作交由每个任务的塔层模块进行。这一做法使得模型既能轻量化,同时也保留了将任务共享参数和任务独有参数分离及分层次提取信息的特点。为了弥补剪枝后模型性能及准确率上的下降,参考不确定性对损失加权的思想,引入动态联合损失进行优化,使得模型可以不断预测任务之间重要性对每个任务的损失进行权值调整。同时,也对部分超参数进行调优。通过模型在公共数据集UCI人口普查-收入数据集上的评估,最终证明模型有着与轻量化之前不分上下的性能。
展开更多
关键词
多任务学习
渐进式分层
提取
轻量化
不确定性损失权重
联合损失优化
UCI
在线阅读
下载PDF
职称材料
基于耦合关系挖掘及渐进式分层提取多任务学习网络的风-光-荷短期预测
被引量：
3
3
作者
张大海
孙锴
倪平浩
《电网技术》
EI
CSCD
北大核心
2023年第9期3537-3546,共10页
为应对可再生能源并网增加造成电力系统不确定性程度加深的情况,以风–光–荷为研究对象,提出了一种基于耦合特性挖掘及渐进式分层提取(progressive layered extraction,PLE)多任务学习(multi-task learning,MTL)的风–光–荷短期预测...
为应对可再生能源并网增加造成电力系统不确定性程度加深的情况,以风–光–荷为研究对象,提出了一种基于耦合特性挖掘及渐进式分层提取(progressive layered extraction,PLE)多任务学习(multi-task learning,MTL)的风–光–荷短期预测方法。首先,基于风–光–荷3种预测对象之间的关联关系,对非线性耦合关系进行提取;然后,以基于PLE的MTL神经网络作为预测算法对预测对象间的耦合关系进行进一步表示;最后,以西班牙地区实际采集的风–光–荷数据为例,将所提模型与不同模型的预测结果进行对比分析。实验结果表明,提出的模型具有更高的预测准确性。
展开更多
关键词
风–光–荷
短期预测
耦合
渐进式分层
提取网络
多任务学习
在线阅读
下载PDF
职称材料
题名
渐进式分层特征提取的综合能源多任务负荷预测
1
作者
王德文
安涵
张林飞
赵文清
机构
华北电力大学计算机系
华北电力大学河北省能源电力知识计算重点实验室
华北电力大学复杂能源系统智能计算教育部工程研究中心
出处
《智能系统学报》
北大核心
2025年第4期858-870,共13页
基金
国家自然科学基金项目(62371188)。
文摘
针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。将全年数据按季节划分,分析各季节下电、冷、热负荷间耦合强度;采用变分模态分解将历史负荷序列分解为多个不同频率的分量,可以更好挖掘多元负荷的深层时序特征;渐进式分层提取多元负荷的耦合特征,并动态分配耦合特征对预测结果的影响权重,避免耦合特征无效时模型预测精度下降。实验结果证明,在不同的多元负荷耦合强度下,渐进式分层特征提取的多任务负荷预测在精度上有更好表现。研究结论可用于指导综合能源多元负荷预测过程。
关键词
负荷预测
综合能源
多任务学习
多元负荷
渐进式分层
特征提取
最大信息系数
变分模态分解
Keywords
load forecasting
integrated energy
multi-task learning
multiple loads
progressive layered
feature extrac-tion
maximum information coefficient
variational mode decomposition
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
带有半渐进式分层提取机制的轻量化多任务模型
被引量：
3
2
作者
杨程
车文刚
机构
昆明理工大学信息工程与自动化学院
出处
《现代电子技术》
北大核心
2024年第3期18-24,共7页
文摘
多任务学习目前广泛被应用于各大领域,然而大部分效果较佳的模型都有着复杂的网络层级和架构,导致这些多任务学习模型很难被应用于资源有限的设备上,例如:经费有限但是人口基数大的国家或地区进行人口普查预测、便携设备的翻译等任务。为解决这一问题,提出半渐进式分层提取的轻量化多任务模型。模型首先通过对顶层任务独有的专家模块进行剪枝,将原先负责提取每个独立任务深层信息的工作交由每个任务的塔层模块进行。这一做法使得模型既能轻量化,同时也保留了将任务共享参数和任务独有参数分离及分层次提取信息的特点。为了弥补剪枝后模型性能及准确率上的下降,参考不确定性对损失加权的思想,引入动态联合损失进行优化,使得模型可以不断预测任务之间重要性对每个任务的损失进行权值调整。同时,也对部分超参数进行调优。通过模型在公共数据集UCI人口普查-收入数据集上的评估,最终证明模型有着与轻量化之前不分上下的性能。
关键词
多任务学习
渐进式分层
提取
轻量化
不确定性损失权重
联合损失优化
UCI
Keywords
multi⁃tasking learning
progressive layered extraction
lightweight
uncertainty to weigh losses
joint loss optimization
UCI
分类号
TN711-34 [电子电信—电路与系统]
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
基于耦合关系挖掘及渐进式分层提取多任务学习网络的风-光-荷短期预测
被引量：
3
3
作者
张大海
孙锴
倪平浩
机构
北京交通大学电气工程学院
出处
《电网技术》
EI
CSCD
北大核心
2023年第9期3537-3546,共10页
文摘
为应对可再生能源并网增加造成电力系统不确定性程度加深的情况,以风–光–荷为研究对象,提出了一种基于耦合特性挖掘及渐进式分层提取(progressive layered extraction,PLE)多任务学习(multi-task learning,MTL)的风–光–荷短期预测方法。首先,基于风–光–荷3种预测对象之间的关联关系,对非线性耦合关系进行提取;然后,以基于PLE的MTL神经网络作为预测算法对预测对象间的耦合关系进行进一步表示;最后,以西班牙地区实际采集的风–光–荷数据为例,将所提模型与不同模型的预测结果进行对比分析。实验结果表明,提出的模型具有更高的预测准确性。
关键词
风–光–荷
短期预测
耦合
渐进式分层
提取网络
多任务学习
Keywords
wind-photovoltaic-load prediction
short-term forecast
coupling
progressive layered extraction network
multi-task learning
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
作者
出处
发文年
被引量
操作
1
渐进式分层特征提取的综合能源多任务负荷预测
王德文
安涵
张林飞
赵文清
《智能系统学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
带有半渐进式分层提取机制的轻量化多任务模型
杨程
车文刚
《现代电子技术》
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
基于耦合关系挖掘及渐进式分层提取多任务学习网络的风-光-荷短期预测
张大海
孙锴
倪平浩
《电网技术》
EI
CSCD
北大核心
2023
3
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
