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
基于动态自适应图神经网络的电动汽车充电负荷预测
被引量：
5
1
作者
张延宇
张智铭
+2 位作者
刘春阳
张西镚
周毅
《电力系统自动化》
EI
CSCD
北大核心
2024年第7期86-93,共8页
电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自...
电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。
展开更多
关键词
电动汽车
负荷预测
时空关联特征
自适应图神经网络
注意力机制
时空卷积层
在线阅读
下载PDF
职称材料
基于自适应门控图神经网络的交通流预测
被引量：
5
2
作者
王杨
郑津
+1 位作者
刘影
李平
《计算机应用研究》
CSCD
北大核心
2022年第8期2306-2310,共5页
交通流预测是智能交通系统中的重要组成部分,由于交通数据的复杂性,长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一。近年来,研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务,并取得了良好的预测性...
交通流预测是智能交通系统中的重要组成部分,由于交通数据的复杂性,长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一。近年来,研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务,并取得了良好的预测性能。然而,现有的图建模方法仅通过预定义的邻接结构反映道路网络中的空间依赖关系,忽略了各节点之间的序列关联关系对预测的重要性。针对这一局限性,提出了一种自适应门控图神经网络(Ada-GGNN),其核心为通过空间传递模块同时捕获道路网络的空间结构及自适应的时序相关性,并通过门控机制学习节点上的时间序列特征。在两个真实交通网络数据集PeMSD7和Los-loop上的实验结果证明了该模型具有更优越的性能。
展开更多
关键词
交通流预测
时空
图
自适应
门控
图
神经网络
时序相关性
在线阅读
下载PDF
职称材料
结合gazetteers和句法依存树的中文命名实体识别
被引量：
2
3
作者
方红
苏铭
+1 位作者
冯一铂
张澜
《计算机工程与应用》
CSCD
北大核心
2022年第18期227-232,共6页
中文命名实体识别在机器翻译、智能问答等下游任务中起着重要作用。提出一种新的基于gazetteers和句法依存树的中文命名实体识别方法,旨在解决由于字符向量缺少词信息和词之间的句法依赖结构信息而导致的错误传递问题。该方法将句子中的...
中文命名实体识别在机器翻译、智能问答等下游任务中起着重要作用。提出一种新的基于gazetteers和句法依存树的中文命名实体识别方法,旨在解决由于字符向量缺少词信息和词之间的句法依赖结构信息而导致的错误传递问题。该方法将句子中的gazetteers信息和句法依存树信息形成图,再通过自适应门控图神经网络(adapted gated graph neural networks,AGGNN)将其融入到字符向量中,从而使得每个字向量很好地获取词汇间的语义关系,提升识别准确率。通过在Ecommerce、Resume、QI等数据集的验证,新的方法可以使得中文实体识别的准确率得到较大提升。
展开更多
关键词
GAZETTEERS
句法依存树
序列标注
自适应
门控
图
神经网络
(AGGNN)
双向长短记忆
网络
(BiLSTM)
条件随机场(CRF)
在线阅读
下载PDF
职称材料
题名
基于动态自适应图神经网络的电动汽车充电负荷预测
被引量：
5
1
作者
张延宇
张智铭
刘春阳
张西镚
周毅
机构
河南大学人工智能学院
河南省车联网协同技术国际联合实验室
出处
《电力系统自动化》
EI
CSCD
北大核心
2024年第7期86-93,共8页
基金
国家自然科学基金资助项目(62176088)
河南省科技攻关项目(232102211034)
全国博士后交流计划引进项目(YJ20220262)。
文摘
电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。
关键词
电动汽车
负荷预测
时空关联特征
自适应图神经网络
注意力机制
时空卷积层
Keywords
electric vehicle
load prediction
spatiotemporal correlation feature
adaptive graph neural network
attention mechanism
spatiotemporal convolutional layer
分类号
TM715 [电气工程—电力系统及自动化]
TP183 [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
基于自适应门控图神经网络的交通流预测
被引量：
5
2
作者
王杨
郑津
刘影
李平
机构
西南石油大学计算机科学学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第8期2306-2310,共5页
基金
国家杰出青年科学基金资助项目(61625204)
四川省科技计划资助项目(2020YJ0125)
西南石油大学科研创新能力提升计划“启航”项目(2019QHZ016)。
文摘
交通流预测是智能交通系统中的重要组成部分,由于交通数据的复杂性,长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一。近年来,研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务,并取得了良好的预测性能。然而,现有的图建模方法仅通过预定义的邻接结构反映道路网络中的空间依赖关系,忽略了各节点之间的序列关联关系对预测的重要性。针对这一局限性,提出了一种自适应门控图神经网络(Ada-GGNN),其核心为通过空间传递模块同时捕获道路网络的空间结构及自适应的时序相关性,并通过门控机制学习节点上的时间序列特征。在两个真实交通网络数据集PeMSD7和Los-loop上的实验结果证明了该模型具有更优越的性能。
关键词
交通流预测
时空
图
自适应
门控
图
神经网络
时序相关性
Keywords
traffic flow prediction
spatial-temporal graph
adaptive gated graph neural network
time series correlation
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
结合gazetteers和句法依存树的中文命名实体识别
被引量：
2
3
作者
方红
苏铭
冯一铂
张澜
机构
上海第二工业大学文理学部
上海第二工业大学工学部
喀什大学数学与统计学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第18期227-232,共6页
基金
国家自然科学基金(61972455)
上海第二工业大学应用数学学科基金(XXKPY1604)。
文摘
中文命名实体识别在机器翻译、智能问答等下游任务中起着重要作用。提出一种新的基于gazetteers和句法依存树的中文命名实体识别方法,旨在解决由于字符向量缺少词信息和词之间的句法依赖结构信息而导致的错误传递问题。该方法将句子中的gazetteers信息和句法依存树信息形成图,再通过自适应门控图神经网络(adapted gated graph neural networks,AGGNN)将其融入到字符向量中,从而使得每个字向量很好地获取词汇间的语义关系,提升识别准确率。通过在Ecommerce、Resume、QI等数据集的验证,新的方法可以使得中文实体识别的准确率得到较大提升。
关键词
GAZETTEERS
句法依存树
序列标注
自适应
门控
图
神经网络
(AGGNN)
双向长短记忆
网络
(BiLSTM)
条件随机场(CRF)
Keywords
gazetteers
syntactic dependency tree
sequence labeling
adaptive gated graph neural networks(AGGNN)
bi-directional long short-term memory(BiLSTM)
conditional random field(CRF)
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
作者
出处
发文年
被引量
操作
1
基于动态自适应图神经网络的电动汽车充电负荷预测
张延宇
张智铭
刘春阳
张西镚
周毅
《电力系统自动化》
EI
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
基于自适应门控图神经网络的交通流预测
王杨
郑津
刘影
李平
《计算机应用研究》
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
3
结合gazetteers和句法依存树的中文命名实体识别
方红
苏铭
冯一铂
张澜
《计算机工程与应用》
CSCD
北大核心
2022
2
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
