检索结果-南通市图书馆

基于DCGCN模型的海上风电场超短期功率预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第15期48卷 64-72页

作者：黄玲玲石孝华符杨刘阳应飞祥海上风电技术教育部工程研究中心(上海电力大学) 上海市200090 上海电力大学电气工程学院上海市200090

图卷积网络(GCN)具有很强的数据关联挖掘能力,近年来在风电功率预测领域获得了广泛关注。然而,传统的基于GCN模型的超短期风电功率预测难以同时处理影响风电功率的两大核心因素(风速与机组状态信息)的双模态问题,基于此,提出了一种基于... 详细信息

图卷积网络(GCN)具有很强的数据关联挖掘能力,近年来在风电功率预测领域获得了广泛关注。然而,传统的基于GCN模型的超短期风电功率预测难以同时处理影响风电功率的两大核心因素(风速与机组状态信息)的双模态问题,基于此,提出了一种基于双通道图卷积网络(DCGCN)的海上风电场超短期功率预测模型。首先,建立以理论功率曲线为基准的机组状态指标模型,定量表征机组状态变化对其发电能力的影响;其次,构建海上风电场图拓扑,建立基于风速和状态邻接矩阵的风电场各机组捕获的风速与机组状态信息的关联关系模型;最后,建立基于DCGCN的风电场超短期功率预测方法。算例结果表明,所提模型有助于提高风电场功率预测模型的训练效率和预测精度。

关键词：超短期功率预测图卷积网络海上风电场功率曲线双通道神经网络

融合全局-局部特征的双通道无参考图像质量评价算法研究

在线全文

学校读者我要写书评

暂无评论

电视技术 2024年第3期48卷 39-43页

作者：王斌蒋圣超卓浩泽李泰霖王飞风广西电网有限责任公司电力科学研究院、广西电力装备智能控制与运维重点实验室广西南宁530023

针对目前大多数图像质量评价(Image Quality Assessment,IQA)算法在对非均匀失真图像进行质量评估时效果不佳的问题,提出一种结合全局-局部特征的双通道无参考图像质量评价(No-Reference Image Quality Assessment,NR-IQA)算法。首先,... 详细信息

针对目前大多数图像质量评价(Image Quality Assessment,IQA)算法在对非均匀失真图像进行质量评估时效果不佳的问题,提出一种结合全局-局部特征的双通道无参考图像质量评价(No-Reference Image Quality Assessment,NR-IQA)算法。首先,考虑输入图像尺寸的不同,利用局部失真重组算法对输入图像进行预处理。其次,利用基于Swin Transformer模块的双通道神经网络提取图像的全局特征和局部特征。最后,通过质量回归预测网络完成全局-局部特征到图像质量分数的映射。实验结果表明,该算法在两个数据集上分别取得0.823和0.871的斯皮尔曼等级相关系数(Spearman Rank Order Correlation Coefficient,SROCC)指标值,表明所提出算法与人的主观感知较为吻合。

关键词：非均匀失真无参考图像质量评价(NR-IQA) Swin algorithm模块双通道神经网络

在线全文

学校读者我要写书评

暂无评论

基于多特征融合的双通道医疗实体识别

计算机工程与设计 2023年第10期44卷 3146-3152页

作者：廖涛马文祥张顺香安徽理工大学计算机科学与工程学院安徽淮南232001

针对医疗实体识别中词向量特征单一和忽略文本中局部特征的问题,提出一种基于多特征融合的双通道医疗实体识别模型。对医疗文本字形特征和卷积神经网络进行研究,发现构造的外部特征和挖掘的内部特征进行差异融合能够丰富词向量的特征信... 详细信息

针对医疗实体识别中词向量特征单一和忽略文本中局部特征的问题,提出一种基于多特征融合的双通道医疗实体识别模型。对医疗文本字形特征和卷积神经网络进行研究,发现构造的外部特征和挖掘的内部特征进行差异融合能够丰富词向量的特征信息;利用注意力机制改进的卷积神经网络实现特征优化选择,区分不同特征的重要性;设计CNN和BiLSTM并行的双通道神经网络,充分考虑文本的局部特征和上下文特征。在CCKS2017数据集上的实验结果表明,该模型能有效提高医疗实体识别的准确率。

关键词：命名实体识别医疗实体多头注意力机制多特征融合卷积注意力机制双通道神经网络条件随机场

基于BERT的中文电子病历命名实体识别研究

在线全文

学校读者我要写书评

暂无评论

基于BERT的中文电子病历命名实体识别研究

作者：马文祥安徽理工大学

学位级别：硕士

随着信息技术的迅速发展,许多医疗机构利用电子病历代替纸质病历来记录患者的治疗信息,由此产生出大量的电子病历。利用命名实体识别技术处理和分析电子病历文本,能从中抽取出高价值的信息,为后续的专业医学知识库、药物识别和临床决策... 详细信息

随着信息技术的迅速发展,许多医疗机构利用电子病历代替纸质病历来记录患者的治疗信息,由此产生出大量的电子病历。利用命名实体识别技术处理和分析电子病历文本,能从中抽取出高价值的信息,为后续的专业医学知识库、药物识别和临床决策提供支撑,因此受到许多学者的关注。目前,中文电子病历命名实体识别任务中经常存在忽略实体间短距离语义信息和词向量特征单一的问题。针对忽略实体间短距离语义信息的问题,本文首先提出了一种基于SCNN-BERT的中文电子病历命名实体识别模型,在此模型基础上,考虑到训练过程中词向量特征单一的问题,又提出了一种基于DCNN-BERT-Fusion的中文电子病历命名实体识别模型。本文的研究工作主要围绕以下两个方面:(1)基于SCNN-BERT的中文电子病历命名实体识别研究。针对大多数研究仅考虑到上下文语义信息,而忽略实体间短距离语义信息对实体识别的影响。首先通过引入双向编码的BERT预训练模型抽取出电子病历文本的语义,根据上下文语境得到文本的动态词向量;然后将双向长短期记忆网络和卷积神经网络进行串联组合,设计了一种单通道神经网络(Single Channel Neural Network,SCNN),其不仅可以抽取出上下文语义信息特征,而且可以抽取出实体间短距离语义信息特征,从而有效利用好局部特征信息和全局特征信息;最后将抽取出的结果输入到条件随机场中自动学习隐藏层的约束条件,解码出序列标注,得到电子病历的命名实体。实验获得了84.89%的F1值,结果表明该模型在电子病历命名实体识别中取得了较好的效果。(2)基于DCNN-BERT-Fusion的中文电子病历命名实体识别研究。在模型(1)的基础上,考虑到训练过程中还存在着词向量特征单一的问题,进一步提出了一种基于DCNN-BERT-Fusion的中文电子病历命名实体识别模型。首先将电子病历文本输入到双向编码的BERT模型中进行字符级编码,训练获得含有上下文语境信息的动态词向量;其次将词向量输入到卷积神经网络和双向门控循环单元并联组合成的双通道神经网络(Dual Channel Neural Network,DCNN)中,利用DCNN抽取得到病历文本的2种内部特征,分别是局部特征和全局特征;然后构建偏旁特征、笔画特征、词性特征和词典特征这4种外部特征,并利用差异融合的方法将内部特征和外部特征与词向量进行融合,其能够丰富词向量的特征信息,增强词的表达能力;最后输入到条件随机场进行序列标注,降低错误标签的输出概率,得到5种病历实体。实验取得了89.45%的F1值,结果表明该模型在电子病历命名实体识别中能够取得比较理想的效果。图[22]表[13]参[67]

关键词：病历实体识别预训练模型特征融合双通道神经网络条件随机场

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于排序的图像美学质量评估

基于排序的图像美学质量评估

作者：吕豪中国科学技术大学

学位级别：硕士

图像美学质量评估是计算机视觉领域热点研究问题,并且极具应用前景,可与众多实际应用深度结合。众多相关工作将其定义为分类问题,使用"高质量"、"低质量"标签描述图片美学质量,结合美学特征和分类标签学习分类模型。由于分类标签为粗粒... 详细信息

图像美学质量评估是计算机视觉领域热点研究问题,并且极具应用前景,可与众多实际应用深度结合。众多相关工作将其定义为分类问题,使用"高质量"、"低质量"标签描述图片美学质量,结合美学特征和分类标签学习分类模型。由于分类标签为粗粒度表达形式,实用性低,因此本文提出研究细粒度的美学质量相对排序。尽管相关工作提出的分类模型以及回归模型亦可解决美学排序任务,但是其仅利用图片绝对美学质量,而非相对排序关系,因而其排序性能较差。一些工作提出基于列排序的方案进行排序预测,然而其训练过程中:1)利用所有可能的排序关系,但是内容差异大的图片间比较却并不合理;2)提取预定义特征为美学特征,然而此特征无法充分描述图像美学属性。针对以上问题,本文首先提出基于图片对的美学排序方案,在训练集中构造图片对反映排序关系,以此为样本训练排序预测模型,且为去除噪声提升质量,应用合理图片对筛选策略对样本进过滤。为进一步提升样本质量,本文提出基于图像检索的图片对构造策略,首先搭建一基于内容的图像检索系统,利用图像检索返回视觉内容相似图片,在此范围内,依据特定生成准则,将查询图片与相似图片构成图片对。为摆脱预定义美学特征的限制,本文提出基于深度学习的美学排序方案,搭建双通道卷积神经网络并设计相应排序损失层,以图片对为输入,以排序关系为目标优化网络权值参数。测试过程中,排序模型计算并输出图片的相对美学排序得分,并以此进行排序,而得分的绝对值大小并无意义。为验证所提出方案的有效性,本文在两个大型公开数据集CUHKPQ和AVA进行美学排序实验,并与其他各方案进行对比,而实验结果则印证了所提出方案在美学排序任务上的优越性。

关键词：美学质量排序图片对排序模型视觉内容图像检索深度学习双通道神经网络