检索结果-南通市图书馆

应用于异常事件检测的深度交替方向乘子法网络

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第7期45卷 2634-2641页

作者：胡世成杨柳康凯钱骅中国科学院上海高等研究院上海201210 上海科技大学信息科学与技术学院上海201210 中国科学院大学北京100049 中国科学院上海微系统与信息技术研究所上海200050

针对大规模无线传感器网络(WSN)中的事件检测问题(EDP),传统的方法通常依赖先验信息,阻碍了实际应用。该文为EDP提出了一种基于深度学习的算法,称为交替方向乘子法网络(ADMM-Net)。首先,采用低秩稀疏矩阵分解来建模事件的时空相关性。之... 详细信息

针对大规模无线传感器网络(WSN)中的事件检测问题(EDP),传统的方法通常依赖先验信息,阻碍了实际应用。该文为EDP提出了一种基于深度学习的算法,称为交替方向乘子法网络(ADMM-Net)。首先,采用低秩稀疏矩阵分解来建模事件的时空相关性。之后,EDP被表述为一个带约束的优化问题并用交替方向乘子法(ADMM)求解。然而,优化算法收敛慢且算法的性能依赖于对先验参数的仔细选择。该文基于深度学习中“展开”的概念,提出了一种用于EDP的深度神经网络ADMM-Net。通过“展开”ADMM算法的方式得到。ADMM-Net具有固定层数,其参数可以通过监督学习训练获得。无需先验信息。相比于传统算法,提出的ADMM-Net收敛快且不需先验信息。人造数据集和真实数据集的仿真结果验证了ADMM-Net的有效性。

关键词：事件检测无线传感器网络时空相关性低秩稀疏分解深度学习交替方向乘子法网络

基于多任务深度学习的实体和事件联合抽取模型

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2022年第2期6卷 117-128页

作者：余传明林虹君张贞港中南财经政法大学信息与安全工程学院武汉430073

【目的】利用命名实体识别与事件检测任务之间的相关性,同时提升命名实体识别和事件检测模型的性能。【方法】提出基于多任务学习的实体和事件联合抽取模型MDL-J3E,该模型分为共享层、私有层和解码层。其中,共享层生成通用特征;私有层... 详细信息

【目的】利用命名实体识别与事件检测任务之间的相关性,同时提升命名实体识别和事件检测模型的性能。【方法】提出基于多任务学习的实体和事件联合抽取模型MDL-J3E,该模型分为共享层、私有层和解码层。其中,共享层生成通用特征;私有层由命名实体识别部分和事件检测部分组成,在通用特征的基础上分别提取两个子任务的私有特征;解码层将子任务的特征解码输出为符合约束规则的标签序列。【结果】在ACE2005数据集上开展实证研究,所提模型在命名实体识别任务上的F1值为84.15%,在事件检测任务上的F1值为70.96%。【局限】未将多任务模型应用到更多的信息抽取场景中。【结论】与单任务模型相比,多任务模型在命名实体识别任务和事件检测任务中具有更好的效果。

关键词：命名实体识别事件检测多任务学习深度学习

在线全文

学校读者我要写书评

暂无评论

融合SPO语义和句法信息的事件检测方法

数据分析与知识发现 2023年第9期7卷 114-124页

作者：何丽杨美华刘璐瑶天津财经大学理工学院天津300222

【目的】利用SPO三元组语义信息和依存句法关系类型信息提升事件检测模型的性能。【方法】融合SPO三元组语义信息和依存句法关系类型信息构造事件检测模型EDMC3S。该模型以语句的依存句法树为基础生成SPO三元组和依存句法关系类型矩阵,... 详细信息

【目的】利用SPO三元组语义信息和依存句法关系类型信息提升事件检测模型的性能。【方法】融合SPO三元组语义信息和依存句法关系类型信息构造事件检测模型EDMC3S。该模型以语句的依存句法树为基础生成SPO三元组和依存句法关系类型矩阵,使用多头注意力机制对SPO三元组进行语义特征强化,利用自注意力机制对不同的依存关系类型进行权重分配后,通过多阶图注意力聚合网络对语句的全局句法和语义特征进行提取,最后使用一个全连接层对SPO三元组语义特征和语句全局特征进行整合。【结果】在ACE2005数据集上的实验结果显示,EDMC3S事件检测模型在触发词识别与事件类型分类这两个子任务中获得了较好的分类性能。在P、R和F1值三个评价指标上触发词识别分别达到80.6%、82.4%和81.5%,事件类型分类分别达到78.7%、80.1%和79.4%。【局限】仅在ACE2005数据集上进行实验验证。【结论】SPO三元组语义特征和词之间依存句法关系类型的引入能够提升事件检测中的触发词识别和事件类型分类效果。

关键词：事件检测 SPO语义信息句法信息注意力机制多阶图注意力聚合网络

利用有限低频信息的居民用户非侵入负荷监测算法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第11期43卷 181-187页

作者：冯昌森刘攀王佳颖文福拴张有兵浙江工业大学信息工程学院浙江杭州310023 国网浙江省电力有限公司营销服务中心浙江杭州311121 浙江大学海南研究院海南三亚572000 浙江大学电气工程学院浙江杭州310027

通过更多信息特征或高频采样技术提高识别准确率的负荷监测算法,会增加信息采样阶段的成本和边缘数据处理的难度,提出一种基于有限低频信息的非侵入式负荷监测算法。设计最佳事件检测器,该检测器根据滑动窗口采集聚合负荷数据,并根据统... 详细信息

通过更多信息特征或高频采样技术提高识别准确率的负荷监测算法,会增加信息采样阶段的成本和边缘数据处理的难度,提出一种基于有限低频信息的非侵入式负荷监测算法。设计最佳事件检测器,该检测器根据滑动窗口采集聚合负荷数据,并根据统计特征指标判断电器投切位置;将事件发生前后的功率序列作为识别特征,利用互补集合经验模态分解算法分解出功率序列中的多阶本征模态函数和最终趋势,绘制分解结果的二维图像并将其输入卷积神经网络进行训练和识别,从而实现仅基于有限低频采样信息就可高精确率地识别负荷。基于公开数据集的仿真结果验证了所提算法的有效性。

关键词：非侵入式负荷监测事件检测互补集合经验模态分解卷积神经网络负荷识别

基于低频功率差量特征与双长短期记忆网络的非侵入式负荷监测方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第8期43卷 167-173,209页

作者：周步祥赵雯雯臧天磊陈阳闵昕玮四川大学电气工程学院四川成都610065

为提升负荷监测中事件检测与负荷识别的准确性与适应性,提出一种基于低频功率差量特征与双长短期记忆网络的非侵入式负荷监测方法。基于低频数据,根据电器正常运行造成的功率波动与事件启停造成的功率跳变之间的特性差异,提出一种事件... 详细信息

为提升负荷监测中事件检测与负荷识别的准确性与适应性,提出一种基于低频功率差量特征与双长短期记忆网络的非侵入式负荷监测方法。基于低频数据,根据电器正常运行造成的功率波动与事件启停造成的功率跳变之间的特性差异,提出一种事件检测算法,该算法通过滑动窗内功率波动的差量特征排除波动干扰,实现事件准确定位并获取相关功率数据;建立一种双长短期记忆网络,对不同电器构建专一电器判别单元并进行训练;建立由各判别单元组成的事件识别网络,根据各判别单元输出的概率对事件进行综合判别,实现非侵入式负荷监测。基于测试数据集的仿真结果验证了所提方法的有效性与准确性。

关键词：事件检测非侵入式负荷监测长短期记忆网络负荷识别低频特征

在线全文

学校读者我要写书评

暂无评论

基于反馈图卷积神经网络的事件检测方法

湖南大学学报（自然科学版） 2023年第8期50卷 205-212页

作者：刘浏丁鲲刘姗姗刘茗国防科技大学第六十三研究所江苏南京210007 宿迁学院信息工程学院江苏宿迁223800

事件检测是自然语言处理领域的重要任务之一,其结果可以有效支撑信息抽取、文本分类和事件推理等下游任务.预训练语言模型BERT在事件检测任务上取得了显著的成绩,然而该类方法无法有效获取长距离和结构化的文本信息.为了缓解该问题,本... 详细信息

事件检测是自然语言处理领域的重要任务之一,其结果可以有效支撑信息抽取、文本分类和事件推理等下游任务.预训练语言模型BERT在事件检测任务上取得了显著的成绩,然而该类方法无法有效获取长距离和结构化的文本信息.为了缓解该问题,本文提出基于反馈网络的图卷积神经网络模型进行文本结构信息捕获,同时这种新方法能够有效解决图卷积神经网络带来的语义信息衰减性问题.本文首先使用BERT预训练模型获取文本的语义特征,然后使用融入反馈网络的图卷积神经网络提取文本的句法结构特征,最终使用多分类器实现对事件触发词的识别和分类.公开数据集ACE 2005上的实验结果表明,本文提出的事件检测方法在事件触发词识别和分类任务上的F1值分别达到了74.46%和79.49%,较现有工作平均提高了4.13%和4.79%.

关键词：事件检测图神经网络 BERT 句法分析自然语言处理

在线全文

学校读者我要写书评

暂无评论

基于分层潜在语义驱动网络的事件检测

计算机研究与发展 2024年第1期61卷 184-195页

作者：肖梦南贺瑞芳马劲松天津大学智能与计算学部天津300350 天津市认知计算与应用重点实验室(天津大学) 天津300350

事件检测旨在检测句子中的触发词并将其分类为预定义的事件类型.如何有效地表示触发词是实现该任务的核心要素.目前基于表示的方法通过复杂的深度神经网络来学习候选触发词的语义表示,以提升模型性能.然而,其忽略了2个问题:1)受句子语... 详细信息

事件检测旨在检测句子中的触发词并将其分类为预定义的事件类型.如何有效地表示触发词是实现该任务的核心要素.目前基于表示的方法通过复杂的深度神经网络来学习候选触发词的语义表示,以提升模型性能.然而,其忽略了2个问题:1)受句子语境的影响,同一个触发词会触发不同的事件类型;2)受自然语言表达多样性的影响,不同的触发词会触发同一个事件类型.受变分自编码器中隐变量及其他自然语言处理(natural language processing,NLP)任务中分层结构的启发,提出基于分层潜在语义驱动网络(hierarchical latent semantic-driven network,HLSD)的事件检测方法,通过句子和单词的潜在语义信息来辅助缓解以上2个问题.模型从文本表示空间中分层降维到新的潜在语义空间,探索事件宏微观语境中更本质的影响信息.首先,通过BERT对候选句子进行编码,得到句子的表示和句子中单词的表示;其次,设计一个双重的潜在语义机制,并采用VAE挖掘句子和单词级潜在语义;最后,从不同粒度的上下文角度,提出采用一个由粗到细的分层结构来充分使用句子和单词的潜在信息,从而提升模型的性能.ACE2005英文语料库上的实验结果表明,所提方法的F1值在事件检测任务上达到了77.9%.此外,在实验部分对以上2个问题进行了定量分析,证明了所提方法的有效性.

关键词：潜在语义分层结构变分自编码器表示学习事件检测

利用残差网络和地震发射层析成像的微地震事件检测

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2022年第2期57卷 251-260,I0001页

作者：王维波官强高明盛立中国石油大学(华东)控制科学与工程学院山东青岛266580

地震发射层析成像(Seismic emission tomography,SET)是一种适用于地面微地震监测的震源定位方法,该方法利用地面众多站点监测的信号对储层特定范围分层成像,通过图像判定微地震事件并确定震源坐标。传统处理方法通常采用人工看图判断... 详细信息

地震发射层析成像(Seismic emission tomography,SET)是一种适用于地面微地震监测的震源定位方法,该方法利用地面众多站点监测的信号对储层特定范围分层成像,通过图像判定微地震事件并确定震源坐标。传统处理方法通常采用人工看图判断一段信号的SET是否包含有效微地震事件。然而人工判别方法难以完成对海量监测数据的全部处理,无法充分发挥SET方法的优势。针对此问题,采用残差网络对微地震监测数据的SET数据进行处理,实现微地震事件自动识别。首先,利用合成数据和实际油井的水力压裂地面微地震监测数据进行SET,构建SET图像样本数据集;然后对残差网络进行训练和测试,得到事件识别准确率最高的残差网络模型;再使用训练好的残差网络对不同信噪比的合成信号,以及多口油气井的地面微地震监测信号的SET数据进行事件检测。测试结果表明,基于残差网络和SET的方法能够有效检测微地震事件,且具有较强的抗噪能力和泛化能力。

关键词：微地震事件检测震源定位地震发射层析成像残差网络模型训练

基于脚步诱发结构振动的人员特征身份识别研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第23期41卷 241-248,292页

作者：侯兴民李冉张玉洁烟台大学土木工程学院山东烟台264005

身份识别是安防领域一项重要工作,目前生物特征识别方法主要利用静态生理特征,利用脚步振动信号进行身份识别研究相对较少,本文提出利用行走过程中脚步诱发结构振动信号的差异性来识别人员。基于能量阈值法检测脚步事件与非脚步事件,对... 详细信息

身份识别是安防领域一项重要工作,目前生物特征识别方法主要利用静态生理特征,利用脚步振动信号进行身份识别研究相对较少,本文提出利用行走过程中脚步诱发结构振动信号的差异性来识别人员。基于能量阈值法检测脚步事件与非脚步事件,对不同测试人员单一脚步事件在时域、频域方面共16个脚步特征参数进行了对比分析,研究发现可以将不同特征组合下参数差异性作为身份识别的依据。为了验证方法的有效性,采用支持向量机(support vector machine, SVM)作为分类工具,测试人数为10人数据样本500个情况下,选用16个脚步特征参数平均识别率为79.21%;采用皮尔逊相关系数法筛选出彼此不相关的10个脚步特征参数平均识别率为91%,相比于采用16个脚步特征参数平均识别率提高了11.79%;对比了在不同SVM核函数下分类工具对选取的10个脚步特征参数平均识别率的影响,结果采用线性核函数下平均识别率最高达到96%。结果表明,有效的脚步特征参数组合适用于小样本下的身份识别。

关键词：身份识别脚步振动信号事件检测特征提取支持向量机(SVM)