期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进Transformer的电力负荷预测方法
被引量:
6
1
作者
黄飞虎
赵红磊
+2 位作者
弋沛玉
李沛东
彭舰
《现代电力》
北大核心
2023年第1期50-58,共9页
负荷预测是电网系统中很多应用的关键部分,具有重要作用。然而,由于电网负荷的非线性、时变性和不确定性,使得准确预测负荷具有一定的挑战。充分挖掘负荷序列的潜在特征是提升预测准确率的关键。文中认为在特征提取时应该充分利用负荷...
负荷预测是电网系统中很多应用的关键部分,具有重要作用。然而,由于电网负荷的非线性、时变性和不确定性,使得准确预测负荷具有一定的挑战。充分挖掘负荷序列的潜在特征是提升预测准确率的关键。文中认为在特征提取时应该充分利用负荷序列的位置信息、趋势性、周期性和时间信息,同时还应构建更深层次的神经网络框架进行特征挖掘。因此,提出了基于特征嵌入和Transformer框架的负荷预测模型。该模型由特征嵌入层、Transformer层和预测层组成。在特征嵌入层,模型首先对历史负荷的位置信息、趋势性、周期性和时间信息进行特征嵌入,然后再与天气信息进行融合,得到特征向量。Transformer层则接受历史序列的特征向量并挖掘序列的非线性时序依赖关系。预测层通过全连接网络实现负荷预测。从实验结果来看,文中模型的预测性能优于对比模型,体现了该模型的可行性和有效性。
展开更多
关键词
负荷预测
特征嵌入
transformer
框架
神经网络
下载PDF
职称材料
基于深度强化学习的车辆路径问题求解方法
被引量:
4
2
作者
黄琰
张锦
《交通运输工程与信息学报》
2022年第3期114-127,共14页
车辆路径问题作为交通运输与物流领域最为经典的组合运筹优化问题,历经几十年的研究和讨论经久不衰,智慧物流呈现出的数据规模大、不确定性强、时效性高等特点,给高效、智能地解决车辆路径问题提出了新的挑战,推动了利用人工智能方法解...
车辆路径问题作为交通运输与物流领域最为经典的组合运筹优化问题,历经几十年的研究和讨论经久不衰,智慧物流呈现出的数据规模大、不确定性强、时效性高等特点,给高效、智能地解决车辆路径问题提出了新的挑战,推动了利用人工智能方法解决车辆路径问题研究的发展。目前,有部分国内外学者对深度强化学习在车辆路径问题中的应用进行了研究,但所得结果尚有一定的优化空间。基于此,本文提出了一种基于上置信区间算法改进动作选择的深度Q网络方法。该深度强化学习方法通过定义智能体与环境交互过程,逐一选取节点构造解的方式“端到端”地解决车辆路径问题。首先,针对考虑车辆装载约束的车辆路径问题建立了深度强化学习框架,设计了该场景下的深度强化学习优化目标和马尔可夫决策过程,通过状态-动作空间、奖励函数等要素的设置完善了该过程;并基于Transformer框架的注意力机制、修正线性单元的神经元激活函数和自适应动量估计梯度下降算法的反向传播机制设计了一个状态-动作价值网络。其次,针对DQN方法的值函数过估计和探索局限问题,运用UCT算法改进了动作选择方式,以提高该方法的性能和收敛性。实验结果表明:改进后的DQN方法在实验中表现良好,所提方法应用在考虑装载能力约束的车辆路径问题中,相比传统DQN方法,在20、50、100的问题规模中实验结果分别提升了1.89%、1.10%和2.17%,证明该方法具有较好的性能和泛化能力。
展开更多
关键词
信息技术
车辆路径问题
深度强化学习
深度Q网络
transformer
框架
上置信区间算法
下载PDF
职称材料
高速公路特长隧道环境车道行驶速度特性及短时预测模型研究
被引量:
1
3
作者
吴玲
刘建蓓
+2 位作者
单东辉
马小龙
王元庆
《隧道建设(中英文)》
CSCD
北大核心
2023年第6期1035-1044,共10页
为研究高速公路特长隧道环境车道行驶速度特性,采用基于雷达组网技术的实时交通参数获取方法,提取典型特长隧道全路段全样本高精度时序速度数据,在划分隧道入口段、行车段、出口段的基础上,对比分析特长隧道不同路段车道速度分布特性,...
为研究高速公路特长隧道环境车道行驶速度特性,采用基于雷达组网技术的实时交通参数获取方法,提取典型特长隧道全路段全样本高精度时序速度数据,在划分隧道入口段、行车段、出口段的基础上,对比分析特长隧道不同路段车道速度分布特性,构建基于时序Transformer框架的特长隧道环境车道行驶速度短时预测模型。结果表明:1)特长隧道入口段速度均值最低,分布最为离散;2)在同一路段,各车道85%分位车速统计值呈现依次递减趋势;3)小客车运行速度整体呈现下降规律,出入口段差值大;4)货车在特长隧道入口段会降低速度,但小客车实际运行速度较主线限速值高;5)所构建的速度预测模型准确率可达97.82%,平均绝对误差为1.67 km/h。上述结果表明:1)暗适应对驾驶人车速控制行为的影响较为显著;2)主线限速标准对于特长隧道环境并不完全适用,应考虑速度顺适过渡关系,针对不同车型、不同车道提前诱导;3)所建立的时序Transformer模型适应于高速公路特长隧道环境所有车道短时速度预测。
展开更多
关键词
高速公路特长隧道
速度预测
transformer
框架
预测模型
下载PDF
职称材料
融合多角度特征的文本匹配模型
被引量:
2
4
作者
李广
刘新
+2 位作者
马中昊
黄浩钰
张远明
《计算机系统应用》
2022年第7期158-164,共7页
文本匹配是自然语言处理的一个核心研究领域,深度文本匹配模型大致可以分为表示型和交互型两种类型,表示型模型容易失去语义焦点难以衡量词上下文重要性,交互型模型缺少句型、句间等全局性信息.针对以上问题提出一种融合多角度特征的文...
文本匹配是自然语言处理的一个核心研究领域,深度文本匹配模型大致可以分为表示型和交互型两种类型,表示型模型容易失去语义焦点难以衡量词上下文重要性,交互型模型缺少句型、句间等全局性信息.针对以上问题提出一种融合多角度特征的文本匹配模型,该模型以孪生网络为基本架构,利用BERT模型生成词向量进行词相似度融合加强语义特征,利用Bi-LSTM对文本的句型结构特征进行编码,即融合文本词性序列的句型结构信息,使用Transformer编码器对文本句型结构特征和文本特征进行多层次交互,最后拼接向量推理计算出两个文本之间的相似度.在Quora部分数据集上的实验表明,本模型相比于经典深度匹配模型有更好的表现.
展开更多
关键词
文本匹配
句型结构
transformer
框架
孪生网络
Bi-LSTM
特征融合
注意力机制
自然语言处理
下载PDF
职称材料
题名
一种改进Transformer的电力负荷预测方法
被引量:
6
1
作者
黄飞虎
赵红磊
弋沛玉
李沛东
彭舰
机构
四川中电启明星信息技术有限公司
四川大学计算机学院
出处
《现代电力》
北大核心
2023年第1期50-58,共9页
基金
国家重点研发计划项目(2017YFB0202403)
四川省科技计划项目(2022YFG0034)。
文摘
负荷预测是电网系统中很多应用的关键部分,具有重要作用。然而,由于电网负荷的非线性、时变性和不确定性,使得准确预测负荷具有一定的挑战。充分挖掘负荷序列的潜在特征是提升预测准确率的关键。文中认为在特征提取时应该充分利用负荷序列的位置信息、趋势性、周期性和时间信息,同时还应构建更深层次的神经网络框架进行特征挖掘。因此,提出了基于特征嵌入和Transformer框架的负荷预测模型。该模型由特征嵌入层、Transformer层和预测层组成。在特征嵌入层,模型首先对历史负荷的位置信息、趋势性、周期性和时间信息进行特征嵌入,然后再与天气信息进行融合,得到特征向量。Transformer层则接受历史序列的特征向量并挖掘序列的非线性时序依赖关系。预测层通过全连接网络实现负荷预测。从实验结果来看,文中模型的预测性能优于对比模型,体现了该模型的可行性和有效性。
关键词
负荷预测
特征嵌入
transformer
框架
神经网络
Keywords
load forecasting
feature embedding
transformer
framework
neural network
分类号
TM714 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于深度强化学习的车辆路径问题求解方法
被引量:
4
2
作者
黄琰
张锦
机构
西南交通大学
综合交通运输智能化国家地方联合工程实验室
综合交通大数据应用技术国家工程实验室
出处
《交通运输工程与信息学报》
2022年第3期114-127,共14页
基金
四川省科技厅重点研发项目(2019YFG0001)。
文摘
车辆路径问题作为交通运输与物流领域最为经典的组合运筹优化问题,历经几十年的研究和讨论经久不衰,智慧物流呈现出的数据规模大、不确定性强、时效性高等特点,给高效、智能地解决车辆路径问题提出了新的挑战,推动了利用人工智能方法解决车辆路径问题研究的发展。目前,有部分国内外学者对深度强化学习在车辆路径问题中的应用进行了研究,但所得结果尚有一定的优化空间。基于此,本文提出了一种基于上置信区间算法改进动作选择的深度Q网络方法。该深度强化学习方法通过定义智能体与环境交互过程,逐一选取节点构造解的方式“端到端”地解决车辆路径问题。首先,针对考虑车辆装载约束的车辆路径问题建立了深度强化学习框架,设计了该场景下的深度强化学习优化目标和马尔可夫决策过程,通过状态-动作空间、奖励函数等要素的设置完善了该过程;并基于Transformer框架的注意力机制、修正线性单元的神经元激活函数和自适应动量估计梯度下降算法的反向传播机制设计了一个状态-动作价值网络。其次,针对DQN方法的值函数过估计和探索局限问题,运用UCT算法改进了动作选择方式,以提高该方法的性能和收敛性。实验结果表明:改进后的DQN方法在实验中表现良好,所提方法应用在考虑装载能力约束的车辆路径问题中,相比传统DQN方法,在20、50、100的问题规模中实验结果分别提升了1.89%、1.10%和2.17%,证明该方法具有较好的性能和泛化能力。
关键词
信息技术
车辆路径问题
深度强化学习
深度Q网络
transformer
框架
上置信区间算法
Keywords
information technology
vehicle routing problem
deep reinforcement learning
deep Q-learning networks
transformer
upper confidence bound apply to tree
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
U492.22 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
高速公路特长隧道环境车道行驶速度特性及短时预测模型研究
被引量:
1
3
作者
吴玲
刘建蓓
单东辉
马小龙
王元庆
机构
中交第一公路勘察设计研究院有限公司
西安航空学院车辆工程学院
长安大学生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室
出处
《隧道建设(中英文)》
CSCD
北大核心
2023年第6期1035-1044,共10页
基金
国家重点研发计划项目(2022YFC3002600)
西安市科技计划软科学研究项目(22RKYJ0033)
+1 种基金
陕西省科技厅青年项目(2022JQ-540)
长安大学重点科研平台开放基金(300102343506)。
文摘
为研究高速公路特长隧道环境车道行驶速度特性,采用基于雷达组网技术的实时交通参数获取方法,提取典型特长隧道全路段全样本高精度时序速度数据,在划分隧道入口段、行车段、出口段的基础上,对比分析特长隧道不同路段车道速度分布特性,构建基于时序Transformer框架的特长隧道环境车道行驶速度短时预测模型。结果表明:1)特长隧道入口段速度均值最低,分布最为离散;2)在同一路段,各车道85%分位车速统计值呈现依次递减趋势;3)小客车运行速度整体呈现下降规律,出入口段差值大;4)货车在特长隧道入口段会降低速度,但小客车实际运行速度较主线限速值高;5)所构建的速度预测模型准确率可达97.82%,平均绝对误差为1.67 km/h。上述结果表明:1)暗适应对驾驶人车速控制行为的影响较为显著;2)主线限速标准对于特长隧道环境并不完全适用,应考虑速度顺适过渡关系,针对不同车型、不同车道提前诱导;3)所建立的时序Transformer模型适应于高速公路特长隧道环境所有车道短时速度预测。
关键词
高速公路特长隧道
速度预测
transformer
框架
预测模型
Keywords
extra-long freeway tunnel
vehicle speed prediction
transformer
framework
prediction model
分类号
U45 [建筑科学—桥梁与隧道工程]
下载PDF
职称材料
题名
融合多角度特征的文本匹配模型
被引量:
2
4
作者
李广
刘新
马中昊
黄浩钰
张远明
机构
湘潭大学计算机学院·网络空间安全学院
出处
《计算机系统应用》
2022年第7期158-164,共7页
基金
智能化公共法律服务关键技术湖南省重点研发项目(2022SK2106)。
文摘
文本匹配是自然语言处理的一个核心研究领域,深度文本匹配模型大致可以分为表示型和交互型两种类型,表示型模型容易失去语义焦点难以衡量词上下文重要性,交互型模型缺少句型、句间等全局性信息.针对以上问题提出一种融合多角度特征的文本匹配模型,该模型以孪生网络为基本架构,利用BERT模型生成词向量进行词相似度融合加强语义特征,利用Bi-LSTM对文本的句型结构特征进行编码,即融合文本词性序列的句型结构信息,使用Transformer编码器对文本句型结构特征和文本特征进行多层次交互,最后拼接向量推理计算出两个文本之间的相似度.在Quora部分数据集上的实验表明,本模型相比于经典深度匹配模型有更好的表现.
关键词
文本匹配
句型结构
transformer
框架
孪生网络
Bi-LSTM
特征融合
注意力机制
自然语言处理
Keywords
text matching
sentence structure
transformer
framework
Siamese neural network
Bi-LSTM
feature fusion
attention mechanism
natural language processing(NLP)
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进Transformer的电力负荷预测方法
黄飞虎
赵红磊
弋沛玉
李沛东
彭舰
《现代电力》
北大核心
2023
6
下载PDF
职称材料
2
基于深度强化学习的车辆路径问题求解方法
黄琰
张锦
《交通运输工程与信息学报》
2022
4
下载PDF
职称材料
3
高速公路特长隧道环境车道行驶速度特性及短时预测模型研究
吴玲
刘建蓓
单东辉
马小龙
王元庆
《隧道建设(中英文)》
CSCD
北大核心
2023
1
下载PDF
职称材料
4
融合多角度特征的文本匹配模型
李广
刘新
马中昊
黄浩钰
张远明
《计算机系统应用》
2022
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部