基于贝叶斯优化的VMD-GRU短期风电功率预测 被引量：10

1

作者 刘新宇 蒲欣雨 +1 位作者 李继方 张江涛 《电力系统保护与控制》 EI CSCD 北大核心 2023年第21期158-165,共8页

为提高风电功率预测精度,提出了一种基于贝叶斯优化的变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent unit,GRU)相结合的风电功率预测方法。首先使用VMD算法对风电功率序列进行分解,并根据排列熵(per... 为提高风电功率预测精度,提出了一种基于贝叶斯优化的变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent unit,GRU)相结合的风电功率预测方法。首先使用VMD算法对风电功率序列进行分解,并根据排列熵(permutation entropy,PE)的大小来确定序列分解的最佳模态数。然后将分解后得到的子序列分量与关键气象变量数据结合构成模型输入特征。使用GRU网络对各个子序列分量分别进行预测,并将各个子序列分量的预测结果进行重构得到风电功率预测结果。最后采用贝叶斯优化方法对各个子序列预测模型的网络初始超参数进行优化。采用某风电场的风电数据对所提模型进行验证,并与其他6种模型进行性能对比。结果表明,基于贝叶斯优化的VMD-GRU预测模型明显优于其他模型,具有较好的泛化能力,能够有效提高风电功率预测精度。 展开更多

关键词 风电功率 变分模态分解 排列熵 门控循环单元 贝叶斯优化

下载PDF 职称材料

基于VMD-ICSO-GRU的高铁列控车载设备故障率时间序列预测 被引量：7

2

作者 魏伟 赵小强 吴进 《铁道学报》 EI CAS CSCD 北大核心 2023年第6期58-68,共11页

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象,提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先,利用VMD将车载... 有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象,提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先,利用VMD将车载设备故障率时间序列分解为一组包含不同频率信息的子序列,降低原始序列的非平稳性;然后,针对分解后的各个子序列建立多个基于GRU的时间序列预测模型,为提高预测精度,提出一种改进的猫群优化(ICSO)算法自适应设置各个GRU网络参数;最后,叠加各子序列预测结果得到最终故障率预测值。收集CTCS3-300T型列控车载设备历史故障数据进行实验,结果表明,相比于其他时间序列预测模型,本文模型得到的均方根误差(RMSE)和平均绝对误差(MAE)分别为0.0445和0.0391,均低于其他模型,验证了其有效性。 展开更多

关键词 列控车载设备 故障率预测 变分模态分解 门控循环单元 猫群优化算法

下载PDF 职称材料

基于改进GRU模型的配电网故障线路区段检测 被引量：5

3

作者 李世明 顾东健 +2 位作者 余志文 赵瑞锋 黎皓彬 《微型电脑应用》 2023年第10期105-109,共5页

为了实时快速准确检测配电网故障线路区段,提出了一种改进门控循环单元(GRU)模型的配电网故障线路区段检测方法。通过智能馈线表(SFM)采集线路区段两侧的电压和电流之间的角度来实时检测故障区段。当发生网络故障时,保护继电器触发断路... 为了实时快速准确检测配电网故障线路区段,提出了一种改进门控循环单元(GRU)模型的配电网故障线路区段检测方法。通过智能馈线表(SFM)采集线路区段两侧的电压和电流之间的角度来实时检测故障区段。当发生网络故障时,保护继电器触发断路器的跳闸命令,利用从配电网节点处所有SFM获取故障前样本和故障后样本角度数据,运用预训练改进GRU模型来检测故障线路区段。通过对IEEE-33总线系统中各种故障类型的仿真,结果表明:与循环神经网络(RNN)方法和长短期记忆人工神经网络(LSTM)方法相比,提出的方法检测精度高且速度更快,可用于实时检测配电网中的故障线路区段。 展开更多

关键词 配电网 门控循环单元 故障检测 线路区段

下载PDF 职称材料

基于电力计量大数据的区域性短期负荷预测算法设计 被引量：1

4

作者 田天 向君 +1 位作者 李艳 董新宇 《电子设计工程》 2024年第13期27-31,共5页

针对单一算法在对电力负荷进行预测时存在的局限性,同时为了提高短期负荷的预测精度,文中提出了一种基于CEEMDAN分解的门控循环单元和小波神经网络相结合的短期负荷预测算法,并构建了SSA-GRU&WNN预测模型。该模型采用CEEMDAN算法分... 针对单一算法在对电力负荷进行预测时存在的局限性,同时为了提高短期负荷的预测精度,文中提出了一种基于CEEMDAN分解的门控循环单元和小波神经网络相结合的短期负荷预测算法,并构建了SSA-GRU&WNN预测模型。该模型采用CEEMDAN算法分解负荷数据,以降低数据的波动性与不确定性,利用样本熵算法对分解得到的分量进行评估及分组。同时分别利用GRU和WNN对两组分量加以预测,且引入麻雀搜索算法实现对二者超参数的优化。实验结果表明,所提算法的MAE、RMSE和MAPE分别为66.54 MW、58.62 MW及67.8%,相比传统单一负荷预测算法的误差更小、时间成本也更低。 展开更多

关键词 负荷预测 门控循环单元 小波神经网络 样本熵 麻雀搜索算法

下载PDF 职称材料

基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测 被引量：4

5

作者 徐武 刘洋 +2 位作者 沈智方 范鑫豪 刘武 《电网与清洁能源》 CSCD 北大核心 2023年第3期83-92,共10页

较高的随机波动性使得风电功率的预测十分困难。为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated rec... 较高的随机波动性使得风电功率的预测十分困难。为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated recurrent unit,GRU)的短期风电功率预测方法。使用VMD分解将原始风电功率序列分解为中心频率不一的子模态;对各子模态的中心频率分别建立具有不同高斯偏置优化窗口大小的ILSA模型,并改进其注意力分数公式以更有效地提取信息;采用GRU模型进行风电功率预测,并对各预测序列进行重组,得到最终的预测结果。实验结果表明,相比于各传统模型,所提改进方法能有效提高风电功率预测精度,且对于低频分量有更高的拟合度。 展开更多

关键词 风电功率预测 变分模态分解 自注意力机制 门控循环单元

下载PDF 职称材料

基于强化学习的多雷达抗干扰算法研究

6

作者 智永锋 邱璐莹 +2 位作者 张龙 高红岗 师浩博 《现代雷达》 CSCD 北大核心 2024年第2期131-137,共7页

针对多雷达系统在受到环境的扫频干扰下无法工作的问题,研究了基于深度强化学习的多雷达共存抗干扰算法。文中将环境划分为多个子频段,对干扰占用频段过程进行建模,用马尔可夫模型对多雷达系统进行建模;对双深度Q网络(Double DQN)强化... 针对多雷达系统在受到环境的扫频干扰下无法工作的问题,研究了基于深度强化学习的多雷达共存抗干扰算法。文中将环境划分为多个子频段,对干扰占用频段过程进行建模,用马尔可夫模型对多雷达系统进行建模;对双深度Q网络(Double DQN)强化学习算法进行改进,与门控单元循环神经网络相结合,使之能处理依赖于长时间序列的干扰问题;提出了基于门控循环记忆的深度确定性策略强化学习算法,针对Double DQN强化学习中的网络臃肿和行动集合较大的问题进行了改进,采用直接输出行动策略,有效降低了网络复杂度。实验仿真结果表明,在多雷达存在的情况,该算法通过避开存在干扰的频点,不仅能够有效降低来自外界的干扰,还能减少己方雷达相互之间的干扰。 展开更多

关键词 多雷达系统 深度强化学习 抗干扰 马尔可夫模型 门控循环单元

下载PDF 职称材料

基于并联融合模型的加密流量分类方法

7

作者 崔永俊 郝立鑫 《电子设计工程》 2024年第2期41-45,共5页

网络流量加密的广泛应用给加密流量快速准确分类带来了新的挑战。针对该问题,提出了一种并联融合卷积神经网络与循环神经网络的分类方法,卷积神经网络与循环神经网络分别提取加密流量的空间特征与时序特征,根据时空特征对加密流量进行分... 网络流量加密的广泛应用给加密流量快速准确分类带来了新的挑战。针对该问题,提出了一种并联融合卷积神经网络与循环神经网络的分类方法,卷积神经网络与循环神经网络分别提取加密流量的空间特征与时序特征,根据时空特征对加密流量进行分类,实验表明,该文所提出模型相较于现有的单一模型和串联融合模型在识别准确率上分别提高了14.07%和2.79%,训练效率下降了10%以内,该文所提出模型性能优于现有模型。 展开更多

关键词 加密流量 流量识别 卷积神经网络 门控循环单元

下载PDF 职称材料

基于机器学习的随机信号缺失数据功率谱估计

8

作者 周贺 许伊键 张远进 《武汉理工大学学报（信息与管理工程版）》 CAS 2024年第2期306-311,共6页

为了解决随机信号在传递接收过程中可能出现的数据不规则、不完整的问题,提出了一种极值梯度提升树-支持向量回归(XGBoost-SVR)与门控循环单元神经网络结合的预测方法,用于稀疏随机信号的缺失数据填补。先使用极值梯度提升树和支持向量... 为了解决随机信号在传递接收过程中可能出现的数据不规则、不完整的问题,提出了一种极值梯度提升树-支持向量回归(XGBoost-SVR)与门控循环单元神经网络结合的预测方法,用于稀疏随机信号的缺失数据填补。先使用极值梯度提升树和支持向量回归结合对原始数据集填补,再使用门控循环单元模型进行训练并预测出缺失的数据,最后通过傅里叶变换和小波变换,实现功率谱估计。数值分析结果表明:在含有噪声干扰的情况下,即使数据缺失高达70%,该预测方法仍然可以很好地还原目标功率谱。该方法处理的缺失数据可以更好地还原随机信号的特征,为信号预测和灾害预防提供有力支持。 展开更多

关键词 数据缺失 门控循环单元 傅里叶变换 小波变换 功率谱估计

下载PDF 职称材料

基于深度学习的光伏发电功率短期预测 被引量：2

9

作者 门献伟 郑晓亮 《兰州文理学院学报（自然科学版）》 2023年第6期55-59,共5页

光伏发电受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了电压波动和闪变、孤岛效应等问题.为了准确提高光伏发电系统短期输出功率预测,建立了改进野狗算法优化GRU(IDOA-GRU)的预测模型,在野狗算法中引... 光伏发电受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了电压波动和闪变、孤岛效应等问题.为了准确提高光伏发电系统短期输出功率预测,建立了改进野狗算法优化GRU(IDOA-GRU)的预测模型,在野狗算法中引进莱维飞行机制和自适应因子加强算法的寻优能力.通过某光伏发电站实测数据进行仿真实验,结果表明,改进野狗算法优化GRU神经网络的预测模型相比传统的GRU预测模型和野狗算法优化GRU(DOA-GRU)具有更高的预测精度. 展开更多

关键词 光伏功率预测 野狗算法 莱维飞行 门控循环单元

下载PDF 职称材料

结合GNN的信息融合用于归纳式文本分类 被引量：2

10

作者 郑诚 倪显虎 +1 位作者 张苏航 赵伊研 《小型微型计算机系统》 CSCD 北大核心 2023年第6期1170-1176,共7页

最近,图神经网络(GNN)通过将文本数据转换为图形数据的方式,来捕捉单词之间的固有拓扑结构和依赖信息,在一些文本分类任务中取得了良好的结果.但是将文本构建成图后,很多基于图结构的文本分类模型面临着全局上下文语义信息和局部特征信... 最近,图神经网络(GNN)通过将文本数据转换为图形数据的方式,来捕捉单词之间的固有拓扑结构和依赖信息,在一些文本分类任务中取得了良好的结果.但是将文本构建成图后,很多基于图结构的文本分类模型面临着全局上下文语义信息和局部特征信息提取不充分的等问题.本文提出了一种将全局上下文语义信息与局部特征信息相融合的图神经网络模型.通过将文档表示为有向、加权的词共现网络,其中有向是为了捕获词排序问题,权重是为了突出单词之间的相互影响程度,利用门控循环单元(GRU)在建模长距离单词交互上的优势,来捕获全局上下文语义信息,接着利用注意力(attention)捕获关键的局部特征信息,最后使用平均池化和最大池化进一步提升了模型对关键特征信息的提取能力,从而丰富了文档节点的全局语义信息,增强了局部特征表达.通过在三个经典英文数据集上的实验结果表明,该模型相比于基线模型有较好的分类效果. 展开更多

关键词 文本分类 图神经网络 门控循环单元 注意力

下载PDF 职称材料

基于门控循环单元的蛛网形FBG传感网络设计 被引量：1

11

作者 邵向鑫 马子筱 +2 位作者 路天麒 李冬 江虹 《光子学报》 EI CAS CSCD 北大核心 2022年第3期206-214,共9页

针对大型结构健康监测对于光纤光栅传感网络的复用容量和维护成本的较高要求,设计了一种蛛网形拓扑结构的传感网络。该结构网络利用波分复用来增加网络的复用容量,并优化了基于门控循环单元的模型来对重叠波长进行解调。设计的新型传感... 针对大型结构健康监测对于光纤光栅传感网络的复用容量和维护成本的较高要求,设计了一种蛛网形拓扑结构的传感网络。该结构网络利用波分复用来增加网络的复用容量,并优化了基于门控循环单元的模型来对重叠波长进行解调。设计的新型传感网络具有较高的网络可靠性和网络复用容量,截取蛛网形网络的部分结构进行实验,设计了四种故障情况进行对比,证明了蛛网形网络具有较高的可靠性。通过改进解调模型的网络结构增加模型识别精度,采用训练良好的模型对不同重叠程度光谱解调,在89.9%情况下其均方根小于1 pm,证明改进模型可有效地对重叠光谱进行解调,大大增加了网络的复用容量。设计的新型传感网络可有效地增加网络的可靠性和复用容量。 展开更多

关键词 光纤布拉格光栅 拓扑结构 门控循环单元 波分复用 深度学习 可靠性

下载PDF 职称材料

基于互信息-图注意力网络的大学生综合素质分类模型

12

作者 张芳 刘锡铃 《宁夏大学学报（自然科学版）》 CAS 2022年第3期309-317,共9页

为对高校大学生综合素质进行科学有效的分类,提出一种基于互信息-图注意力网络的大学生综合素质分类模型(Mutal_GAT).首先,对原始数据进行预处理和分析,并通过门控循环单元算法(GRU)获得特征向量矩阵;然后,通过互信息方法提取数据之间... 为对高校大学生综合素质进行科学有效的分类,提出一种基于互信息-图注意力网络的大学生综合素质分类模型(Mutal_GAT).首先,对原始数据进行预处理和分析,并通过门控循环单元算法(GRU)获得特征向量矩阵;然后,通过互信息方法提取数据之间的关联信息,并以此形成互信息关联矩阵;最后,通过图注意力网络的多头机制实现分类预测.结果表明,Mutal_GAT模型在均方误差、准确率和召回率3项指标上均优于未加入互信息的图注意力网络、支持向量机、贝叶斯和随机森林随机梯度决策树分类算法.该模型在高校学生综合素质评定领域中具有良好的应用前景. 展开更多

关键词 互信息 门控循环单元 图注意力网络 大学生综合素质分类

下载PDF 职称材料

基于二次分解因果分析和深度学习的短期风电功率预测 被引量：1

13

作者 梅晓辉 李国翊 +1 位作者 李铁良 关猛 《河北电力技术》 2024年第1期77-83,共7页

为实现精准的风电功率预测,提出了一种基于二次分解因果分析和深度学习的风电功率预测模型。首先,通过完备集成经验模态分解算法对风电功率和风速序列进行一次分解,并采用经验小波变换算法对风电功率和风速序列的高频分量进行二次分解,... 为实现精准的风电功率预测,提出了一种基于二次分解因果分析和深度学习的风电功率预测模型。首先,通过完备集成经验模态分解算法对风电功率和风速序列进行一次分解,并采用经验小波变换算法对风电功率和风速序列的高频分量进行二次分解,以降低原始序列的复杂程度。其次,通过Granger因果关系检验方法对各风速分量与风电功率分量进行因果分析,以此实现风电功率各分量的输入变量选择。最后,利用耦合注意力机制的双向门控循环单元对风电功率分量进行预测,并集成得到最终的风电功率预测结果。通过风电厂实际运行数据进行试验,并与多个典型模型进行比较,结果表明所提模型具有较高的预测精度,其决定系数达到了0.98,能够实现较精准的风电功率预测。 展开更多

关键词 风电功率 二次分解 GRANGER因果关系检验 双向门控循环单元 注意力机制

下载PDF 职称材料

基于VMD-LSTM-IPSO-GRU的电力负荷预测

14

作者 肖威 方娜 邓心 《科学技术与工程》 北大核心 2024年第16期6734-6741,共8页

为了挖掘电力负荷数据中的潜藏信息,提高短期负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、长短时记忆神经网络(long-term and short-term memory network,LS... 为了挖掘电力负荷数据中的潜藏信息,提高短期负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、长短时记忆神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)和门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,进而合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明:相对于其他模型,所提混合模型可有效的提取模态特征,具有更高的预测精度。 展开更多

关键词 短期负荷预测 变分模态分解(VMD) 长短时记忆神经网络(LSTM) 门控循环单元(GRU) 改进的粒子群优化算法(IPSO)

下载PDF 职称材料

鲸鱼算法优化CNN-BiGRU-ATTENTION的车辆换道意图识别模型

15

作者 朱孙科 严健容 +2 位作者 熊开洋 熊钊 安邦 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第6期73-80,共8页

针对时空多样特征、超参数敏感性影响车辆行为意图识别精度的问题,提出一种改进的CNN-BiGRU-ATTENTION混合换道意图识别模型。采用目标车辆轨迹序列和与周围车辆互动特征作为模型输入进行训练,实现考虑车辆动态变化状态的意图识别预测;... 针对时空多样特征、超参数敏感性影响车辆行为意图识别精度的问题,提出一种改进的CNN-BiGRU-ATTENTION混合换道意图识别模型。采用目标车辆轨迹序列和与周围车辆互动特征作为模型输入进行训练,实现考虑车辆动态变化状态的意图识别预测;使用鲸鱼优化算法对模型调整参数进行多目标寻优,降低模型调优难度;利用NGSIM数据集对模型进行评估校验。结果表明:所提出的WOA-CNN-BiGRU-ATTENTION模型与CNN-BiGRU-ATTENTION模型、Transformer模型相比,准确率分别提升了4.53%、0.97%,达到97.64%;WOA-CNN-BiGRU-ATTENTION模型在不同预判时间下的意图识别准确率最高,在换道前2.5 s的识别精度均能达到91%以上,证明模型具有较强的车辆换道意图识别性能。 展开更多

关键词 自动驾驶 换道意图识别 鲸鱼算法 双向门控循环单元 注意力机制

下载PDF 职称材料

基于QMD-HBi GRU的短期光伏功率预测方法

16

作者 吉兴全 赵国航 +3 位作者 叶平峰 孟祥剑 杨明 张玉敏 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3850-3859,I0002-I0005,共14页

为了解决光伏功率数据固有的强不确定性导致单一预测模型预测精度不高的问题,提出一种基于二次模态分解和混合双向门控循环单元模型(hybrid bi-directional gated recurrent unit, HBiGRU)的短期光伏功率预测方法。首先,为应对光伏功率... 为了解决光伏功率数据固有的强不确定性导致单一预测模型预测精度不高的问题,提出一种基于二次模态分解和混合双向门控循环单元模型(hybrid bi-directional gated recurrent unit, HBiGRU)的短期光伏功率预测方法。首先,为应对光伏功率数据的不确定性,基于自适应噪声完备集合经验模态分解、样本熵和变分模态分解对光伏功率数据进行处理,得到一系列较为平稳的本征模函数分量;其次,构建HBi GRU模型以充分挖掘各分量与光伏功率影响因素之间的特征关系,得到各分量预测结果;最后,将各分量预测结果叠加得到短期光伏功率预测结果。以澳大利亚某地光伏电站数据进行测试,仿真结果表明:所提集成预测模型能够有效提高短期光伏功率预测精度,与其他预测模型相比,其归一化平均绝对误差和均方根误差分别降低了3.21%和5.04%,决定系数提高了22.7%。 展开更多

关键词 短期光伏功率预测 混合双向门控循环单元 自适应噪声完备集合经验模态分解 变分模态分解 二次模态分解 深度学习

下载PDF 职称材料

基于ACBiGRU模型的短时交通流量预测 被引量：1

17

作者 张玺君 张冠男 +1 位作者 张红 张宪立 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第5期88-93,共6页

针对传统的短时交通流预测方法只关注交通流的时间特征而未考虑空间特征的问题,提出一种引入注意力机制的卷积神经网络和双向门控循环单元的组合预测模型(ACBiGRU).该组合模型利用引入注意力机制的卷积神经网络挖掘邻近道路交通流量的... 针对传统的短时交通流预测方法只关注交通流的时间特征而未考虑空间特征的问题,提出一种引入注意力机制的卷积神经网络和双向门控循环单元的组合预测模型(ACBiGRU).该组合模型利用引入注意力机制的卷积神经网络挖掘邻近道路交通流量的空间相关性,将注意力机制嵌入到卷积神经网络中,对卷积层的结果进行不同权重的关注,有效提取交通流的空间特征;然后通过BiGRU模型提取交通流的时间序列特征;最终将提取到的时间和空间特征融合,完成短时交通流预测.实验结果表明:在真实数据集上的ACBiGRU模型预测优于其他模型,预测结果的RMSE(均方根误差)比传统时间序列模型平均降低了8%,验证了结合时空特性的短时交通流预测的有效性和优越性. 展开更多

关键词 交通流预测 智能交通 注意力机制 双向门控循环单元 卷积神经网络 特征融合

原文传递

异构并行的DGA域名检测方法 被引量：1

18

作者 温雪岩 焦燕 +1 位作者 郭云飞 赵玉茗 《中国电子科学研究院学报》 北大核心 2023年第10期957-967,共11页

现有的DGA域名检测方式存在检测时间开销大、检测精度不高以及基于单词的DGA域名检测效果不佳等问题。经过研究发现,将域名先按照典型特征分类再进行更细致的特征提取,对于模型的准确率有一定的正向作用,且多类并行可以降低检测时间,此... 现有的DGA域名检测方式存在检测时间开销大、检测精度不高以及基于单词的DGA域名检测效果不佳等问题。经过研究发现,将域名先按照典型特征分类再进行更细致的特征提取,对于模型的准确率有一定的正向作用,且多类并行可以降低检测时间,此外对于较难检测的基于单词的DGA域名可以进行针对性处理。因此,文中提出了一种基于Word ninja分词技术的三路异构并行的DGA域名检测模型。先将域名分为三类,再针对每一类进行检测模型结构的搭建。对于字符级域名,通过人工提取特征来进行域名的有效分类。对于词根词缀级域名,采用FastTest进行子词之间、字符之间以及上下文之间关系的特征提取,再作为词向量嵌入。对于单词级域名,采用Word2Vec理解和处理词的含义和词之间的关系。最后,将文中方法和当前流行方法、多路异构并行模型和单路模型的检测结果进行比较评估,实验结果证明了提前分类的必要性以及多路并行的有效性。 展开更多

关键词 深度学习 恶意域名 机器学习 门控循环单元网络 词向量嵌入 Word ninja分词技术

下载PDF 职称材料

基于RoBERTa-WWM-BiGRU-CRF的中文命名实体识别

19

作者 李云想 王汝凉 李嘉敏 《南宁师范大学学报（自然科学版）》 2023年第1期72-78,共7页

该文提出一种基于RoBERTa-WWM-BiGRU-CRF的实体识别模型,利用RoBERTa-WWM得到包含上下文信息的语义向量,特征提取部分采用BiGRU网络,在CRF层完成序列解码标注的任务.实验结果表明,与传统方法比较,该方法可以做到一词多义的效果,并且能... 该文提出一种基于RoBERTa-WWM-BiGRU-CRF的实体识别模型,利用RoBERTa-WWM得到包含上下文信息的语义向量,特征提取部分采用BiGRU网络,在CRF层完成序列解码标注的任务.实验结果表明,与传统方法比较,该方法可以做到一词多义的效果,并且能有效提高命名实体识别的精度. 展开更多

关键词 自然语言处理 命名实体识别 RoBERTa-WWM模型 双向门控循环单元

下载PDF 职称材料