期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
多时间尺度小波变换和LSTM自编码器电弧故障检测方法 被引量:4
1
作者 邱婷婷 曹文平 +1 位作者 刘孝宇 漆星 《电机与控制学报》 EI CSCD 北大核心 2024年第4期139-148,共10页
在光伏发电系统中,电弧故障检测是维持系统安全运行的关键问题。以往的电弧故障检测方法大多基于单时间尺度的故障特征,然而单一时间尺度特征往往会受到环境变化的干扰,导致检测精度降低,针对这一问题,提出一种多时间尺度小波和长短时记... 在光伏发电系统中,电弧故障检测是维持系统安全运行的关键问题。以往的电弧故障检测方法大多基于单时间尺度的故障特征,然而单一时间尺度特征往往会受到环境变化的干扰,导致检测精度降低,针对这一问题,提出一种多时间尺度小波和长短时记忆(LSTM)自编码器电弧故障检测方法,该方法首先在机理分析的基础上找到电弧3个特性,即电弧初始阶段电流发生突变、燃弧阶段电流均值降低、燃弧阶段高频分量变大。再基于上述电弧特性进行小波变换提取对应多尺度特征,然后使用LSTM自编码器进行端到端的自动检测。与以往方法不同,该方法提取了电弧特性的多种时间尺度特征,增加了故障信号的检测依据,降低了受外界干扰时检测结果出现误报漏报的可能性。理论分析和实验结果表明,所提出的方法降低了故障电弧检测的误报率,提高了其准确率。 展开更多
关键词 光伏发电 电弧故障 单类 小波变换 长短时记忆自编码器 多时间尺度特征
在线阅读 下载PDF
基于LSTM-文本分析的量化选股模型
2
作者 陆芳玲 赵家玮 夏铁成 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第2期352-361,共10页
随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term me... 随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term memory,LSTM)选出预测准确度良好的股票;最后,预测所选出的股票在未来几天的股价趋势.在实证分析方面,通过本模型对部分股票进行运算,选取预测效果较好的股票:赢合科技. 展开更多
关键词 量化选股 文本分析 长短期记忆(long-short term memory LSTM) 预测
在线阅读 下载PDF
基于对抗迁移学习模型的环境类虚假投诉检测
3
作者 范青武 韩华政 孙晓宁 《北京工业大学学报》 CAS CSCD 北大核心 2023年第9期999-1006,共8页
为实现环境类虚假投诉举报检测,提出一种基于对抗迁移学习方法的虚假投诉举报检测模型。首先,以长短期记忆(long-short term memory,LSTM)网络为特征抽取器抽取微博谣言(源域)和投诉举报文本(目标域)的共享特征;然后,使用对抗学习方法... 为实现环境类虚假投诉举报检测,提出一种基于对抗迁移学习方法的虚假投诉举报检测模型。首先,以长短期记忆(long-short term memory,LSTM)网络为特征抽取器抽取微博谣言(源域)和投诉举报文本(目标域)的共享特征;然后,使用对抗学习方法进行领域适配,将源域特征和目标域特征进行特征对齐;最后,由分类器输出分类结果,并由分类损失和领域适配损失共同更新网络参数。通过模型对比实验和消融实验可知,模型的F_(1)达到了79.61%。结果表明,对抗迁移学习模型具有较好的性能,适合应用在环境类虚假投诉举报检测任务中。 展开更多
关键词 投诉举报 文本分类 迁移学习 生成对抗网络 深度学习 长短期记忆(long-short term memory LSTM)网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部