检索结果-维普期刊中文期刊服务平台

基于时序超图卷积神经网络的股票趋势预测方法被引量：11: 1; 作者李晓杰崔超然 +3 位作者宋广乐苏雅茜吴天泽张春云《计算机应用》 CSCD 北大核心 2022年第3期797-803,共7页; 传统的股票预测方法大多基于时间序列模型,忽视了股票之间复杂的关系,并且该关系往往超出成对连接,例如同行业板块内股票或者基金持仓多支股票。针对该问题,提出一种基于时序超图卷积神经网络(HGCN)的股价走势预测方法,根据金融投资事... 展开更多; 关键词股票趋势预测时间序列建模门控循环单元高阶关系超图卷积神经网络; 在线阅读下载PDF 职称材料

融合全局信息的多图神经网络会话推荐被引量：1: 2; 作者黄涛徐贤《小型微型计算机系统》 CSCD 北大核心 2024年第4期769-776,共8页; 基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多... 展开更多; 关键词会话推荐超图卷积神经网络门控图神经网络注意力机制位置信息; 在线阅读下载PDF 职称材料

基于改进双动态时空图网络的航班延误预测模型: 3; 作者魏明徐子清孙博《计算机应用研究》北大核心 2025年第2期365-370,共6页; 针对现有航班延误预测模型中仅考虑机场之间空间拓扑结构的缺陷,提出一种基于多图信息融合的改进双动态时空图卷积网络航班延误预测模型。首先,根据航班延误传播的不同空间相关性,构建基于机场和航路的四种空间邻接矩阵,并进行多图融合... 展开更多; 关键词航空运输航班延误预测图卷积神经网络超图卷积神经网络多图信息融合; 在线阅读下载PDF 职称材料

基于关系超图增强Transformer的智能站二次设备故障诊断研究被引量：8: 4; 作者周海成石恒初 +2 位作者曾令森王飞欧阳勇《电力系统保护与控制》 EI CSCD 北大核心 2024年第12期123-132,共10页; 随着智能变电站二次设备的状态感知与自描述能力不断提升,在提高电网调控细粒度的同时,其海量、驳杂、离散的状态信息也使故障诊断难度倍增。为提高二次设备故障诊断精度与效率,提出基于关系超图增强Transformer的二次设备故障诊断算法... 展开更多; 关键词关系超图超图卷积神经网络 TRANSFORMER 故障预测二次设备设备关联模型; 在线阅读下载PDF 职称材料

题名基于时序超图卷积神经网络的股票趋势预测方法被引量：11: 1; 作者李晓杰崔超然宋广乐苏雅茜吴天泽张春云; 机构山东财经大学计算机科学与技术学院山东省人工智能学会齐鲁工业大学(山东省科学院)计算机科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2022年第3期797-803,共7页; 基金国家自然科学基金资助项目(62077033) 国家重点研发计划项目(2018YFC0830100,2018YFC0830102) +1 种基金山东省高等学校优势学科人才团队培育计划项目。; 文摘传统的股票预测方法大多基于时间序列模型,忽视了股票之间复杂的关系,并且该关系往往超出成对连接,例如同行业板块内股票或者基金持仓多支股票。针对该问题,提出一种基于时序超图卷积神经网络(HGCN)的股价走势预测方法,根据金融投资事实构造超图模型以拟合股票之间的多元关系,该模型包括两大组件:门控循环单元(GRU)网络和超图卷积神经网络。GRU网络对历史数据进行时间序列建模,捕捉长期依赖关系;HGCN建模股票间的高阶关系以学习内在关系属性,从而将股票间多元关系信息引入到传统的时序建模中,进行端到端的趋势预测。在中国A股市场真实数据集上的实验结果表明,相较于已有的股票预测方法,所提模型预测性能有所提升;如与GRU网络相比,所提模型在ACC和F1_score上的相对增幅分别为9.74%和8.13%,且更具有稳定性。此外,模拟回测结果显示,基于该模型的交易策略更具获利能力,年回报率达到11.30%,与长短期记忆(LSTM)网络相比提高了5个百分点。; 关键词股票趋势预测时间序列建模门控循环单元高阶关系超图卷积神经网络; Keywords stock trend prediction time series modeling Gated Recurrent Unit(GRU) high-order relation HyperGraph Convolutional neural Network(HGCN); 分类号 TP181 [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

题名融合全局信息的多图神经网络会话推荐被引量：1: 2; 作者黄涛徐贤; 机构华东理工大学计算机科学与工程系; 出处《小型微型计算机系统》 CSCD 北大核心 2024年第4期769-776,共8页; 基金国家自然科学基金项目(61872142,62072299)资助上海市高可信计算重点实验室开放课题项目(OP202205)资助.; 文摘基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多图神经网络会话推荐模型(GIMGNN)来增强会话推荐的效果.该模型首先通过超图卷积神经网络和门控图神经网络从全局会话超图和局部会话图中学习两个级别的物品表示,然后通过注意力机制将反向位置信息融合到两种表示中,最后利用融合后的表示完成预测.在两个真实数据集Yoochoose和Diginetica上进行了一系列实验,实验结果表明,对比性能最优的基准模型,GIMGNN模型在Yoochoose上P@20和MRR@20至少提升了2.42%和4.01%,在Diginetica上P@20和MRR@20至少提升了6.56%和9.11%,验证了模型的有效性.; 关键词会话推荐超图卷积神经网络门控图神经网络注意力机制位置信息; Keywords session-based recommendation hypergraph convolutional neural network gate graph neural network attention mechanism position information; 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

题名基于改进双动态时空图网络的航班延误预测模型: 3; 作者魏明徐子清孙博; 机构中国民航大学空中交通管理学院; 出处《计算机应用研究》北大核心 2025年第2期365-370,共6页; 基金民航航班广域监视与安全管控技术重点实验室开放基金资助项目(202002)。; 文摘针对现有航班延误预测模型中仅考虑机场之间空间拓扑结构的缺陷,提出一种基于多图信息融合的改进双动态时空图卷积网络航班延误预测模型。首先,根据航班延误传播的不同空间相关性,构建基于机场和航路的四种空间邻接矩阵,并进行多图融合提供更加全面空间特征信息;其次,将多图结构转换成超图刻画航班延误航线之间的空间相关性,利用门控时间卷积提取其时间序列相关性,利用超图卷积提取其空间相关性,并设计两种特征增强模块进一步避免部分点和边空间特征信息丢失现象。最后,以美国2009—2019年的50个机场之间航班延误预测为例,将本模型与五个主流基线模型进行对比,完成了消融实验。实验结果表明,相较于其他基线模型,该改进模型能够更好地在该问题上拟合实际情况。; 关键词航空运输航班延误预测图卷积神经网络超图卷积神经网络多图信息融合; Keywords air transportation flight delay prediction graph convolution network hyper graph convolution network multi graph information fusion; 分类号 V351 [航空宇航科学与技术—人机与环境工程]; 在线阅读下载PDF 职称材料

题名基于关系超图增强Transformer的智能站二次设备故障诊断研究被引量：8: 4; 作者周海成石恒初曾令森王飞欧阳勇; 机构云南电网有限责任公司普洱供电局云南电力调度控制中心武汉华电顺承科技有限公司湖北工业大学计算机学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2024年第12期123-132,共10页; 基金中国南方电网有限责任公司科技项目资助(YNKJXM20220093)。; 文摘随着智能变电站二次设备的状态感知与自描述能力不断提升,在提高电网调控细粒度的同时,其海量、驳杂、离散的状态信息也使故障诊断难度倍增。为提高二次设备故障诊断精度与效率,提出基于关系超图增强Transformer的二次设备故障诊断算法。首先利用Apriori算法挖掘故障信号间的关联规则,构建关系超图。然后利用超图卷积神经网络(hypergraph convolutional neural network,HGCN)和微调标准Transformer网络学习故障特征间的高阶关系和上下文表达,再经过误差反向传播、非线性传递函数预测故障类型。最后,以某地区一年的二次设备运行数据作为算例进行分析。结果表明,所提方法能够去除冗余信息干扰,准确定位故障元件和诊断故障类型,为智能运维提供支持。; 关键词关系超图超图卷积神经网络 TRANSFORMER 故障预测二次设备设备关联模型; Keywords relational hypergraph HGCN Transformer fault prediction secondary equipment device association model; 分类号 TM63 [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	作者	出处	发文年	被引量	操作
1	基于时序超图卷积神经网络的股票趋势预测方法	李晓杰崔超然宋广乐苏雅茜吴天泽张春云	《计算机应用》 CSCD 北大核心	2022	11	在线阅读下载PDF 职称材料
2	融合全局信息的多图神经网络会话推荐	黄涛徐贤	《小型微型计算机系统》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于改进双动态时空图网络的航班延误预测模型	魏明徐子清孙博	《计算机应用研究》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于关系超图增强Transformer的智能站二次设备故障诊断研究	周海成石恒初曾令森王飞欧阳勇	《电力系统保护与控制》 EI CSCD 北大核心	2024	8	在线阅读下载PDF 职称材料