检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

多神经网络协作的军事领域命名实体识别

清华大学学报（自然科学版） 2020年第8期60卷 648-655页

作者：尹学振赵慧赵俊保姚婉薇黄泽林华东师范大学软件工程学院上海200062 华东师范大学上海市高可信计算重点实验室上海200062 北京遥感信息研究所北京100085

互联网公开数据蕴含着大量高价值的军事情报,成为获取开源军事情报的重要数据源之一。军事领域命名实体识别是进行军事领域信息提取、问答系统、知识图谱等工作的基础性关键任务。相比较于其他领域的命名实体,军事领域命名实体边界模糊... 详细信息

互联网公开数据蕴含着大量高价值的军事情报,成为获取开源军事情报的重要数据源之一。军事领域命名实体识别是进行军事领域信息提取、问答系统、知识图谱等工作的基础性关键任务。相比较于其他领域的命名实体,军事领域命名实体边界模糊,界定困难;互联网媒体中军事术语表达不规范,随意性的简化表达现象较普遍;现阶段面向军事领域的公开语料鲜见。该文提出一种考虑实体模糊边界的标注策略,结合领域专家知识,构建了基于微博数据的军事语料集MilitaryCorpus;提出一种多神经网络协作的军事领域命名实体识别模型,该模型通过基于Transformer的双向编码器(bidirectional encoder representations from transformers, BERT)的字向量表达层获得字级别的特征,通过双向长短时记忆神经网络(bi-directional long short-term memory, BiLSTM)层抽取上下文特征形成特征矩阵,最后由条件随机场层(conditional random field, CRF)生成最优标签序列。实验结果表明:相较于基于CRF的实体识别模型,应用该文提出的BERT-BiLSTM-CRF模型召回率提高28.48%,F值提高18.65%;相较于基于BiLSTM-CRF的实体识别模型,该文模型召回率提高13.91%,F值提高8.69%;相较于基于CNN (convolutional neural networks)-BiLSTM-CRF的实体识别模型,该文模型召回率提高7.08%,F值提高5.15%。

关键词：军事命名实体识别双向偏码器(BERT) 模糊边界多神经网络

多神经网络方法在变压器油色谱故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

高压电器 2005年第3期41卷 206-208页

作者：徐志钮律方成华北电力大学电力系统保护与动态安全监控教育部重点实验室河北保定071003

电力变压器的故障诊断对于变压器的维护起着至关重要的作用,诊断的可信度能给变压器维护提供更好的依据。为了克服单个神经网络不能给出诊断结果可信度的缺点,将多神经网络方法引入到变压器油色谱故障诊断中,利用多个神经网络对变压器... 详细信息

电力变压器的故障诊断对于变压器的维护起着至关重要的作用,诊断的可信度能给变压器维护提供更好的依据。为了克服单个神经网络不能给出诊断结果可信度的缺点,将多神经网络方法引入到变压器油色谱故障诊断中,利用多个神经网络对变压器诊断结果的方差给出了诊断结果的可信度;同时将多个网络输出的平均作为网络的诊断结果,减少了网络诊断的误差,提高了诊断的准确率。故障变压器实例验证了多神经网络方法的有效性。

关键词：变压器故障诊断油色谱分析多神经网络可信度

多神经网络与证据理论融合的变压器故障综合诊断方法研究

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2006年第3期26卷 119-124页

作者：廖瑞金廖玉祥杨丽君王有元重庆大学高电压与电工新技术教育部重点实验室重庆市沙坪坝区400044

电力变压器发生故障的部位多,故障原因、现象复杂,在故障诊断中,可以通过变压器不同方面的特征信号从不同侧面来反映变压器的故障。因而需要对变压器的多种特征信号进行综合处理和协同分析。该文结合色谱数据和电气试验数据,利用数据融... 详细信息

电力变压器发生故障的部位多,故障原因、现象复杂,在故障诊断中,可以通过变压器不同方面的特征信号从不同侧面来反映变压器的故障。因而需要对变压器的多种特征信号进行综合处理和协同分析。该文结合色谱数据和电气试验数据,利用数据融合原理,将神经网络和证据理论进行有机结合,使两者优势互补,提出了多神经网络与证据理论融合的变压器故障综合诊断方法。诊断结果表明,运用提出的融合诊断算法,能充分利用色谱数据和电气试验数据的冗余、互补信息,使基于多种特征信号综合诊断结果的准确性和可靠性比基于单一故障特征的诊断得到有效的提高。

关键词：变压器多神经网络 D-S证据理论综合诊断

在线全文

学校读者我要写书评

暂无评论

多神经网络与证据理论的变压器故障诊断方法

高压电器 2018年第8期54卷 207-211页

作者：张文元赵卫国晋涛俞华王伟山西国际能源集团有限公司太原030022 国网山西省电力公司电力科学研究院太原030001

针对电力变压器故障难以快速、准确定位和辨识的问题,提出一种基于多神经网络与证据理论相融合的变压器故障诊断方法。该方法将神经网络强非线性拟合的能力与证据理论在不确定性推理问题中能折衷处理主、客观矛盾的优势相结合。利用神... 详细信息

针对电力变压器故障难以快速、准确定位和辨识的问题,提出一种基于多神经网络与证据理论相融合的变压器故障诊断方法。该方法将神经网络强非线性拟合的能力与证据理论在不确定性推理问题中能折衷处理主、客观矛盾的优势相结合。利用神经网络的学习、记忆、识别功能,对油中溶解气体数据与常规电气试验数据进行初步处理,再应用数据融合原理,对神经网络处理的初步结果进行证据理论融合,实现对变压器故障的精准诊断。实例分析结果表明,该方法对于变压器故障诊断准确率达73%。

关键词：变压器多神经网络证据理论故障诊断

在线全文

学校读者我要写书评

暂无评论

应用多神经网络建立动态软测量模型

化工学报 2003年第12期54卷 1770-1773页

作者：罗健旭邵惠鹤上海交通大学自动化研究所上海200030

Since in practical industrial applications, soft sensors based on static models often lead to low accuracy and poor robustness, a multiple neural network (MNN) model is presented to develop dynamic soft sensors. The approach is applied to building a dynamic soft sensor estimating the production component in a simulated binary distillation unit and good results are obtained.

关键词：软测量多神经网络精馏塔

在线全文

学校读者我要写书评

暂无评论

多神经网络在高维数据分类中的应用研究

计算机应用与软件 2007年第7期24卷 146-148页

作者：曹云忠王超四川农业大学信息与工程技术学院四川雅安625014

针对BP神经网络在高维数据分类中存在训练时间长的缺点,提出一种新的多神经网络分类模型,该模型采用自组织特征映射(SOFM)网络对训练样本集进行无监督聚类,通过优化竞争层神经元权值,并以此训练BP神经网络实现数据分类。最后对自由手写... 详细信息

针对BP神经网络在高维数据分类中存在训练时间长的缺点,提出一种新的多神经网络分类模型,该模型采用自组织特征映射(SOFM)网络对训练样本集进行无监督聚类,通过优化竞争层神经元权值,并以此训练BP神经网络实现数据分类。最后对自由手写数字样本进行识别,仿真实验表明,这一模型具有较强的分类能力和泛化能力。

关键词：多神经网络 SOFM BP 数字识别

在线全文

学校读者我要写书评

暂无评论

多神经网络的光伏电池重构模型及智能优化

计算机仿真 2016年第7期33卷 373-377页

作者：徐凯刘善超王湘萍重庆交通大学信息科学与工程学院重庆400074 重庆交通大学机电与车辆工程学院重庆400074

对光伏电池重构模型的研究有利于实现光伏电池最大功率的预测和跟踪。当采用单一神经网络构建光伏电池的智能模型时,存在最大功率输出偏差较大的问题。为此首先考虑光伏电池最大功率受光照度影响较大的情况,将光照度进一步细分为低、中... 详细信息

对光伏电池重构模型的研究有利于实现光伏电池最大功率的预测和跟踪。当采用单一神经网络构建光伏电池的智能模型时,存在最大功率输出偏差较大的问题。为此首先考虑光伏电池最大功率受光照度影响较大的情况,将光照度进一步细分为低、中、高三类。按其类别分别对三个不同神经网络进行训练,将训练好的神经网络进行组合,即为光伏电池的重构模型。然后采用变惯性因子粒子群算法(VFPSO)优化模型的参数,使重构模型减小了最大功率输出的偏差,提高了最大功率预测和跟踪的精度。通过仿真对比,验证了上述方法的有效性和正确性。

关键词：光伏电池智能建模多神经网络改进粒子群算法参数优化

在线全文

学校读者我要写书评

暂无评论

基于特征聚类数据划分的多神经网络模型

信息与控制 2013年第6期42卷 693-699页

作者：张宇献李松董晓沈阳工业大学电气工程学院辽宁沈阳110870

针对采用单个数据模型描述非线性系统时存在的鲁棒性较差的问题,提出一种基于特征聚类数据划分的多神经网络建模方法.该方法通过构造特征函数对样本数据集进行聚类实现数据划分,划分后的子数据集采用径向基神经网络建立子模型,然后以总... 详细信息

针对采用单个数据模型描述非线性系统时存在的鲁棒性较差的问题,提出一种基于特征聚类数据划分的多神经网络建模方法.该方法通过构造特征函数对样本数据集进行聚类实现数据划分,划分后的子数据集采用径向基神经网络建立子模型,然后以总均方差最小为目标实现多神经网络模型的自适应加权,达到提高模型精确度和鲁棒性的目的.最后将所提出的多模型建模方法应用于非线性系统和纺织浆纱过程回潮率软测量建模中,并分别与单神经网络模型和等加权多神经网络进行比较.实验结果表明所建立的多神经网络模型的均方根误差和最大误差小于单神经网络模型和等加权多神经网络模型.

关键词：非线性系统多神经网络数据划分特征聚类自适应加权

多神经网络技术在新产品开发决策中的应用研究

在线全文

学校读者我要写书评

暂无评论

机床与液压 2005年第12期33卷 33-35页

作者：俞国燕陈永民赖朝安湛江海洋大学工程学院广东湛江524025 厦门法拉电子股份有限公司福建厦门361012 华南理工大学机电系广东广州510641

在分析当前新产品开发前期决策的相关工作基础上,针对市场环境的复杂性及行业、企业与产品类型多样性的特点,从产品开发早期阶段出发,建立了新产品开发的综合决策层次模型。重点研究了如何应用多神经网络技术进行新产品开发决策,给出了... 详细信息

在分析当前新产品开发前期决策的相关工作基础上,针对市场环境的复杂性及行业、企业与产品类型多样性的特点,从产品开发早期阶段出发,建立了新产品开发的综合决策层次模型。重点研究了如何应用多神经网络技术进行新产品开发决策,给出了新产品开发决策综合层次模型的多神经网络结构,指出了利用多神经网络进行新产品开发决策的关键技术,使决策模型具有较高的可靠性与精度。

关键词：新产品开发多神经网络