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
共找到126篇文章
< 1 2 … 7 >
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：
基于电流积分与时序卷积网络-支持向量机的直流配电网故障定位
1
作者 祝光思涵 洪翠 《电气技术》 2025年第2期1-13,共13页
本文提出一种结合电流积分变化趋势和时序卷积网络(TCN)-支持向量机(SVM)的直流配电网故障定位方法,以区分故障类型并实现直流配电网故障准确定位,为实现直流配电网保护奠定基础。首先计算故障电流的积分序列,并用变分模态分解(VMD)算... 本文提出一种结合电流积分变化趋势和时序卷积网络(TCN)-支持向量机(SVM)的直流配电网故障定位方法,以区分故障类型并实现直流配电网故障准确定位,为实现直流配电网保护奠定基础。首先计算故障电流的积分序列,并用变分模态分解(VMD)算法分解积分序列,将分解所得高频固有模态函数的特征量作为TCN与SVM组合模型的输入特征向量,实现故障线路定位和故障类型判定。仿真结果表明,该方法能快速定位故障线路,准确识别不同故障,并且有较好的适应性和具备一定的抗干扰能力。 展开更多
关键词 直流配电网故障定位 电流积分趋势 变分模态分解(VMD) 时序卷积网络(TCN)
在线阅读 下载PDF
采用格拉姆角场-卷积神经网络-时序卷积网络混合模型的锂离子电池健康状态估计
2
作者 赵扬 耿莉敏 +5 位作者 胡循泉 胡兵 巫春玲 张文博 山世玉 陈昊 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第11期27-38,共12页
针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提... 针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提取特征;提出一种特征融合网络,将二维卷积神经网络从图像中提取的图片特征与一维卷积神经网络从IC序列中提取的时序特征进行融合;将提取的综合特征输入时序卷积网络模型中进行训练,实现了SOH的准确估计。利用美国国家航空航天局和牛津大学的锂离子电池数据集进行模型验证,结果表明:相较于长短期记忆(LSTM)模型,GAF-CNN-TCN混合模型输出的SOH与真实SOH之间的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了85.65%、86.12%、84.0%;相较于CNN-LSTM模型,所提模型的MAE、MAPE和RMSE分别降低了83.24%、83.75%、82.27%;相较于TCN模型,所提模型的MAE、MAPE和RMSE分别降低了76.92%、77.19%、76.01%。 展开更多
关键词 锂离子电池 电池健康状态 格拉姆角场 卷积神经网络 时序卷积网络
在线阅读 下载PDF
基于自编码器-受限时序卷积网络的数据驱动配电网无功优化策略
3
作者 苗洛源 彭勇刚 +1 位作者 胡丹尔 李子晨 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期4058-4068,共11页
配电网中可再生能源渗透率的提高带来了频繁的电压越限问题。作为一种被广泛研究的方法,无功优化方法已经成功应用到配电网中以降低网损、优化电压质量。该文提出一种基于自编码器-受限时序卷积网络的新型数据驱动配电网无功优化策略,... 配电网中可再生能源渗透率的提高带来了频繁的电压越限问题。作为一种被广泛研究的方法,无功优化方法已经成功应用到配电网中以降低网损、优化电压质量。该文提出一种基于自编码器-受限时序卷积网络的新型数据驱动配电网无功优化策略,该策略通过3个阶段来协调光伏逆变器、电容器组等多种多时间尺度的无功调节设备。首先,将无功优化问题建模为混合整数二阶锥规划问题,求解出历史最优无功调度策略;然后,使用历史运行数据和最优策略训练所提网络模型,并通过矫正层规避不合理结果;在实际运行中,训练好的模型依据系统测量值给出无功优化策略以应对配电网的波动。最后,通过改进IEEE 33节点算例仿真实验验证,所提方法能够达到混合整数二阶锥模型98.80%的准确度而仅消耗其7.14%的时间;与其他流行的深度学习方法相比,具有更佳的性能和更好的实用性。 展开更多
关键词 无功优化 受限时序卷积网络 数据驱动 二阶锥规划 自编码器
在线阅读 下载PDF
句子级时序卷积网络的多模态抑郁症识别方法
4
作者 王烽飞 卓广平 +2 位作者 周金保 刘国强 张光华 《中北大学学报（自然科学版）》 CAS 2024年第3期274-285,共12页
针对多模态抑郁症模型在特征提取时,语句间关联性较弱,不同模态间的特征融合较为随意,在中文数据集上模型的泛化能力缺乏验证等问题,本文通过分析与抑郁症相关的音频、文本和视觉特征,提出了基于改进TCN模型的多模态抑郁症识别模型STCMN... 针对多模态抑郁症模型在特征提取时,语句间关联性较弱,不同模态间的特征融合较为随意,在中文数据集上模型的泛化能力缺乏验证等问题,本文通过分析与抑郁症相关的音频、文本和视觉特征,提出了基于改进TCN模型的多模态抑郁症识别模型STCMN(Sentence-level Temporal Convolutional Memory Net-work),并将该模型应用于临床抑郁症辅助诊断当中。该模型首先使用残差块、GRU和Self-Attention的融合模块来提取不同模态下的句子级特征,增强了上下文联系,然后使用TCN模型来提取不同模态的全局特征,并使用Cross Attention对不同模态的全局特征以多模态融合特征为主进行融合,最后通过LogSoftmax层得到模型对抑郁症的识别结果。在DAIC-WOZ公开数据集上,本文所提出的方法对抑郁症识别的准确率达到了91.3%,精确率达到了93.6%,召回率达到了89.7%,其相关指标均优于其他方法,可以更好地满足临床医学的需求。在私有中文数据集MMD2022上,STCMN模型的识别结果仍为最优,表明该模型在中文抑郁症识别任务上具较好的泛化能力。 展开更多
关键词 抑郁症 时序卷积网络 门控循环单元 自注意力机制 交叉注意力机制
在线阅读 下载PDF
基于时序卷积网络的早期帕金森多模态检测系统
5
作者 周希武 杨明昭 胡殿雷 《计算机测量与控制》 2024年第6期71-77,共7页
帕金森病是最常见的神经退行性疾病之一,其临床特征与其他神经退行性疾病有重叠,且缺乏明确的病理机制,导致早期诊断检测困难、误诊率高等问题;为了研究有效的早期帕金森病检测方法,深入探索帕金森病发展的时间特征规律,并提高早期帕金... 帕金森病是最常见的神经退行性疾病之一,其临床特征与其他神经退行性疾病有重叠,且缺乏明确的病理机制,导致早期诊断检测困难、误诊率高等问题;为了研究有效的早期帕金森病检测方法,深入探索帕金森病发展的时间特征规律,并提高早期帕金森病预测、分析和诊断决策的准确性,设计了一种基于时序卷积网络的早期帕金森病多模态检测系统,为及时发现早期帕金森病提供辅助诊断依据;该系统利用语音、步态和受试者自测数据,采用多元线性池化方法进行多模态融合,结合时间卷积网络和参数共享方式,以提高系统的检测精度并降低过拟合风险;实验测试结果显示,基于时序卷积网络的早期帕金森病检测系统的准确率达到96.22%,在多项评估指标上优于传统的帕金森检测模型,展现出良好的早期帕金森联合检测效果。 展开更多
关键词 帕金森 时序卷积网络 线性池化 多模态 过拟合
在线阅读 下载PDF
基于残差时序卷积网络的水声通信信号模式识别
6
作者 陈双双 顾师嘉 +1 位作者 李娜娜 吴玉泉 《无线电工程》 2024年第2期473-482,共10页
水下通信信号模式识别是非合作水下通信信号识别中的关键一步,然而,水声信道的复杂多变给水下通信信号模式识别带来了很大挑战。针对传统算法模型复杂度高、提取特征多的问题,提出了一种残差网络和时序卷积网络相结合的残差时序卷积网络... 水下通信信号模式识别是非合作水下通信信号识别中的关键一步,然而,水声信道的复杂多变给水下通信信号模式识别带来了很大挑战。针对传统算法模型复杂度高、提取特征多的问题,提出了一种残差网络和时序卷积网络相结合的残差时序卷积网络(Residual Temporal Convolutional Network,ResTCN)通信信号模式识别模型。该模型结构简单、网络收敛速度较快且具有较好的鲁棒性。通过实验仿真和海上试验对模型进行验证,在信噪比(Signal to Noise Ratio,SNR)大于-10 dB时,该方法在测试数据集上分类正确率为95%,在海试数据上正确率可达到93.5%。 展开更多
关键词 水声通信 调制模式识别 时序卷积网络 残差网络 短时傅里叶变换
在线阅读 下载PDF
基于时频自注意力残差时序卷积网络的语音增强
7
作者 候聪颖 杨文清 +1 位作者 王召 程聪 《计算机与现代化》 2024年第9期20-24,共5页
语音增强的主要目的是去除语音信号中的噪声等无关信号,是许多语音处理任务的前端处理部分,在视频会议、视频直播等领域都有着重要的作用。然而目前大多数语音增强的研究主要集中在语音帧的长期上下文依赖关系建模上,没有考虑语音在时... 语音增强的主要目的是去除语音信号中的噪声等无关信号,是许多语音处理任务的前端处理部分,在视频会议、视频直播等领域都有着重要的作用。然而目前大多数语音增强的研究主要集中在语音帧的长期上下文依赖关系建模上,没有考虑语音在时频域上的能量分布特征。本文提出一种基于时频域的自注意力模块,使得在模型建模过程中可以显式引入对语音分布特性的先验思考,并与残差时序卷积网络相结合,构成基于时频域自注意力的残差时序卷积网络模型。为了验证该模型的有效性,本文使用语音增强领域中常用的2个训练目标IRM和PSM进行实验,实验结果表明,该模型显著提高了语音增强领域中4种常用的客观评价指标,明显优于其他基准模型。 展开更多
关键词 语音增强 时频域 自注意力机制 时序卷积网络
在线阅读 下载PDF
基于时序卷积网络的云服务器性能预测模型 被引量：4
8
作者 廖恩红 舒娜 +1 位作者 李加伟 庞雄文 《华南师范大学学报（自然科学版）》 CAS 北大核心 2020年第4期107-113,共7页
目前基于深度学习的主机性能预测模型大部分缺乏普适性,实验数据缺乏公正性,无法准确预测能耗或性能峰值点且时间开销较大.为解决这些问题,文章提出了一种基于改进时序卷积网络的云服务器性能预测模型(ATCN模型).该模型将CPU利用率作为... 目前基于深度学习的主机性能预测模型大部分缺乏普适性,实验数据缺乏公正性,无法准确预测能耗或性能峰值点且时间开销较大.为解决这些问题,文章提出了一种基于改进时序卷积网络的云服务器性能预测模型(ATCN模型).该模型将CPU利用率作为主机过载的衡量标准,利用多维性能指标构建N+1维能耗向量,建立输入向量与预测标准之间的关系;调整TCN中的卷积核大小并不断增大扩张因子,实现长期记忆效果.基于阿里云开源数据集的实验结果表明:ATCN模型具有强自适应性,在不同硬件配置和资源使用情况下,预测准确率和效率方面比LSTM模型提升大约20%. 展开更多
关键词 云数据中心 深度学习 时序卷积网络 性能预测
在线阅读 下载PDF
基于时序卷积网络的简答题评阅方法
9
作者 姜丽芬 欧阳雪城 +2 位作者 李昊耘 王可可 梁妍 《天津师范大学学报（自然科学版）》 CAS 北大核心 2023年第4期64-68,共5页
提出一种基于时序卷积网络(temporal convolutional network,TCN)并结合预训练语言模型BERT的简答题评阅模型(SA-TCN).该模型使用BERT对评分答案和参考答案进行编码,在建立二者之间内在联系的同时提取深层次文本语义特征.为减少信息丢... 提出一种基于时序卷积网络(temporal convolutional network,TCN)并结合预训练语言模型BERT的简答题评阅模型(SA-TCN).该模型使用BERT对评分答案和参考答案进行编码,在建立二者之间内在联系的同时提取深层次文本语义特征.为减少信息丢失并获取深层全局特征,基于TCN捕获多尺度语义信息.在公开数据集ASAP的set5上进行实验,结果表明,该模型的精度和二次加权Kappa分别达到86.87%和87.46%,优于Bi-LSTM、TextCNN和RNN等其他模型. 展开更多
关键词 简答题 时序卷积网络 BERT 深度学习
在线阅读 下载PDF
基于遗传算法选优的集成手段与时序卷积网络的涡扇发动机剩余寿命预测 被引量：9
10
作者 朱霖 宁芊 +1 位作者 雷印杰 陈炳才 《计算机应用》 CSCD 北大核心 2020年第12期3534-3540,共7页
涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特... 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特点,提出了一种遗传算法优选时序卷积网络(TCN)基模型的集成方法(GASENTCN)的涡扇发动机剩余寿命预测模型。首先,利用TCN捕获长跨度下的数据内在关系,从而对RUL作出预测;然后,应用GASEN集成多个独立的TCN,以增强模型的泛化性能;最后,在通用的商用模块化航空推进系统模拟模型(CMAPSS)数据集上,对所提模型与当下流行的机器学习方法和其他的深度神经网络进行了比较。实验结果表明,在多种不同的运行模式和故障条件下,与流行的双向长短期记忆(Bi-LSTM)网络相比,所提模型都有着更高的预测准确率与更低的预测误差。以FD001数据集为例,在该数据集上所提模型的均方根误差(RMSE)相较Bi-LSTM低17.08%,相对准确率(Accuracy)相较Bi-LSTM高12.16%。所提模型在设备的智能检修与维护方面有着较好的应用前景。 展开更多
关键词 数据驱动模型 剩余寿命预测 时序卷积网络 集成方法 涡扇发动机
在线阅读 下载PDF
基于时间序列和时序卷积网络的脉象信号识别研究 被引量：5
11
作者 朱光耀 颜建军 +2 位作者 郭睿 王忆勤 燕海霞 《世界科学技术-中医药现代化》 CSCD 北大核心 2021年第9期3056-3064,共9页
目的研究脉象信号识别模型的建立,充分利用脉象信号在时域中的形态信息,为脉诊客观化研究提供了一种新的思路和方法。方法通过对脉象信号进行预处理和序列规正化,获得长度一致的脉象信号时间序列,利用基于时序卷积的深度学习网络实现对... 目的研究脉象信号识别模型的建立,充分利用脉象信号在时域中的形态信息,为脉诊客观化研究提供了一种新的思路和方法。方法通过对脉象信号进行预处理和序列规正化,获得长度一致的脉象信号时间序列,利用基于时序卷积的深度学习网络实现对序列形态的特征提取,并建立脉象信号识别模型。结果通过网络自学习提取的特征多数具有显著性差异,7种脉象的平均识别准确率达到85.76%,与常用的脉象识别方法相比有明显提升。结论基于时间序列和时序卷积网络的脉象信号识别方法能够较好地区分不同脉象信号的形态信息,在多种类脉象的识别任务中具有一定的实用价值。 展开更多
关键词 脉象识别 形态信息 特征提取 时间序列 时序卷积网络
在线阅读 下载PDF
云工作流中基于多任务时序卷积网络的异常检测方法 被引量：5
12
作者 姚杰 程春玲 +1 位作者 韩静 刘峥 《计算机应用》 CSCD 北大核心 2021年第6期1701-1708,共8页
云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的异常。针对传统的异常检测方法分别对两种异常检测任务训练相应的学习模型,而忽略了两种异常检测任务之... 云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的异常。针对传统的异常检测方法分别对两种异常检测任务训练相应的学习模型,而忽略了两种异常检测任务之间的关联性,导致异常检测准确率下降的问题,提出了一种基于多任务时序卷积网络的日志异常检测方法。首先,基于日志流的事件模板,生成事件序列和时间序列;然后,训练基于多任务时序卷积网络的深度学习模型,该模型通过共享时序卷积网络中的浅层部分来从系统正常执行的流程中并行地学习事件和时间特征;最后,对云计算工作流中的异常进行分析,并设计了相关异常检测逻辑。在Open Stack数据集上的实验结果表明,与日志异常检测的领先算法Deep Log和基于主成分分析(PCA)的方法比较,所提方法的异常检测准确率至少提升了7.7个百分点。 展开更多
关键词 异常检测 日志分析 时序卷积网络 多任务学习 云工作流
在线阅读 下载PDF
实际噪声下基于时序卷积网络的手机来源识别 被引量：1
13
作者 吴张倩 苏兆品 +1 位作者 武钦芳 张国富 《计算机工程与科学》 CSCD 北大核心 2021年第8期1461-1469,共9页
针对实际环境噪声下的手机来源识别问题,提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先,通过分析不同手机语音特征在实际环境噪声下的分类性能,基于带能量描述符、常数Q变换域和线性判别分析得到一种新的手机语音混... 针对实际环境噪声下的手机来源识别问题,提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先,通过分析不同手机语音特征在实际环境噪声下的分类性能,基于带能量描述符、常数Q变换域和线性判别分析得到一种新的手机语音混合特征。然后,以此混合特征为输入,基于时序卷积网络进行训练和分类。最后,在10个品牌、47种手机型号、32900条语音样本的实际环境噪声语音库上的测试结果显示,所提方法的平均识别准确率达到99.82%。此外,与经典的基于带能量描述符和支持向量机的方法,以及基于常数Q变换域和卷积神经网络的方法相比,平均识别准确率分别提高了0.44和0.54个百分点,平均召回率分别提高了0.45和0.55个百分点,平均精确率分别提高了0.41和0.57个百分点,平均F1分数分别提高了0.49和0.55个百分点。实验结果表明,所提方法具有更优的综合识别性能。 展开更多
关键词 手机来源识别 实际环境噪声 混合特征 线性判别分析 时序卷积网络
在线阅读 下载PDF
考虑风电时序特性的深度小波-时序卷积网络超短期风功率预测 被引量：17
14
作者 陈海鹏 李赫 +3 位作者 阚天洋 赵畅 张忠 于海薇 《电网技术》 EI CSCD 北大核心 2023年第4期1653-1662,共10页
超短期风电功率预测对于电力系统生产调度计划的制定具有重要意义,风电出力具有较强的随机性、波动性、不可控性。风电不确定性对风电时序关系的影响,给风电功率预测精度提出了挑战。针对上述问题,提出了基于离散小波变换(discrete wave... 超短期风电功率预测对于电力系统生产调度计划的制定具有重要意义,风电出力具有较强的随机性、波动性、不可控性。风电不确定性对风电时序关系的影响,给风电功率预测精度提出了挑战。针对上述问题,提出了基于离散小波变换(discrete wavelet transformation,DWT)、双深度Q网络(doubledepth Qnetwork,DDQN)、时序卷积网络(temporal convolutionalnetwork,TCN)和注意力机制(Attention)的DWT-DDQN-TCN-Attention(DWT-DTCNA)超短期风功率预测方法。首先,利用DWT将风电数据序列分解为不同频率的风电数据集,对不同频率的风电数据集做自相关函数分析,提取高自相关性的风功率训练子集作为预测模型的输入。其次,根据DWT分解后得到的不同频率风功率数据集分别训练相应的TCNA的风电超短期预测模型,深度挖掘风电功率时序关系,获得精度更高、更稳定的预测结果。为减少深度学习模型的参数对预测精度的影响,采用DDQN算法优化预测模型的参数。最后,利用DWT将不同频率超短期风功率预测结果进行重构,获得了预测日的风电功率序列。以西北部某风电场实测数据为例进行仿真分析,结果表明所提方法能够充分提取风电功率序列的时序特征,优化模型内部参数,有效提高了超短期风电功率预测精度。 展开更多
关键词 离散小波变换 时序卷积网络 深度强化学习 超短期预测 注意力机制
在线阅读 下载PDF
软阈值时序卷积网络在冷水机组传感器故障诊断中的应用 被引量：8
15
作者 洪琳 李冬辉 +1 位作者 高龙 赵墨刊 《西安交通大学学报》 EI CAS CSCD 北大核心 2023年第2期67-77,共11页
为了提高冷水机组传感器的故障诊断性能,提出了一种基于软阈值时序卷积网络的编码-解码器重构模型(ST-TCN),并建立基于该模型的传感器故障诊断方法。采用时序卷积网络(TCN)充分挖掘冷水机组传感器的时间相关性、热力学物理量间的数据相... 为了提高冷水机组传感器的故障诊断性能,提出了一种基于软阈值时序卷积网络的编码-解码器重构模型(ST-TCN),并建立基于该模型的传感器故障诊断方法。采用时序卷积网络(TCN)充分挖掘冷水机组传感器的时间相关性、热力学物理量间的数据相关性以及动态响应差异性特征。在TCN的残差块中引入软阈值自适应模块剔除冗余信息,降低噪声干扰。依托ST-TCN模型“端到端”的网络结构优势,将绝对重构残差向量与故障阈值向量进行比较,直接定位故障传感器。在实际压缩式冷水机组平台上采集传感器数据进行实验,结果表明,软阈值自适应模块能有效地增强网络模型的重构能力,从而提高故障传感器的诊断性能。以压缩机吸气温度传感器T1为例,ST-TCN的平均偏差故障识别率比改进前提升了45.9%;与其他故障诊断方法相比,所提的最新框架获得了较高的偏差故障识别率。 展开更多
关键词 时序卷积网络 编码-解码器 软阈值化 冷水机组 传感器故障诊断
在线阅读 下载PDF
基于时序卷积网络的情感识别算法 被引量：5
16
作者 宋振振 陈兰岚 娄晓光 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期564-572,共9页
采用脑电数据集DEAP进行情感识别。由于脑电信号具有时序性,采用深度学习中的时序卷积网络(TCN)对数据进行训练识别。首先使用小波包分解提取各子带小波系数能量值作为特征;然后通过TCN对特征进行训练,在训练过程中加入了Snapshot寻优... 采用脑电数据集DEAP进行情感识别。由于脑电信号具有时序性,采用深度学习中的时序卷积网络(TCN)对数据进行训练识别。首先使用小波包分解提取各子带小波系数能量值作为特征;然后通过TCN对特征进行训练,在训练过程中加入了Snapshot寻优思想保存多个模型;最后采用投票集成策略建立集成模型,以提高识别精度,并增强结果稳健性。实验结果表明,本文方法将情感分为二类和四类的平均识别精度分别能够达到95%和93%,相对于同类研究有较大的提高。 展开更多
关键词 脑电信号 情感识别 时序卷积网络 小波包分解 Snapshot寻优
在线阅读 下载PDF
基于时序卷积网络与线性残差连接的光伏发电功率预测
17
作者 梁垚 唐学用 《应用数学进展》 2021年第7期2257-2267,共11页
针对传统神经网络对于多元发电过程数据处理效率低、且容易过拟合的缺陷,提出了一种基于时序卷积网络(TCN)与线性残差连接的光伏功率预测方法。构建时序卷积网络,通过因果卷积与膨胀卷积技巧并行地提取多个时间点间的动态关系,从而在提... 针对传统神经网络对于多元发电过程数据处理效率低、且容易过拟合的缺陷,提出了一种基于时序卷积网络(TCN)与线性残差连接的光伏功率预测方法。构建时序卷积网络,通过因果卷积与膨胀卷积技巧并行地提取多个时间点间的动态关系,从而在提取非线性时序相关性的同时保持较高的运算效率。引入线性残差连接构建了网络模型输入端与输出端的信息通路,有效地避免了过拟合。以某光伏电站实测数据对所提出方法进行性能验证,所提出的模型的预测结果的均方误差、均方根误差以及平均绝对误差分别为22.63、4.79、2.47,预测性能好于传统方法。 展开更多
关键词 清洁能源 时间序列 光伏发电 残差网络 时序卷积网络 功率预测 因果卷积 膨胀卷积
在线阅读 下载PDF
基于深度时序卷积网络的功率放大器行为建模方法
18
作者 周凡 赵轩 邵杰 《电子科技》 2022年第8期7-13,共7页
功率放大器作为辐射源发射机的核心部件,其工作行为具有高非线性、强记忆性等特点,导致功率放大器的行为建模难度颇高。针对该问题,文中提出了一种基于深度时序卷积网络的功率放大器行为建模方法。该方法采用的神经网络模型由多个多维... 功率放大器作为辐射源发射机的核心部件,其工作行为具有高非线性、强记忆性等特点,导致功率放大器的行为建模难度颇高。针对该问题,文中提出了一种基于深度时序卷积网络的功率放大器行为建模方法。该方法采用的神经网络模型由多个多维时序卷积块构成,每个时序卷积块由数个用于增加网络感受野的因果膨胀卷积以及用于提高梯度反馈效率的残差结构组成。模型通过并行卷积操作,克服了传统卷积网络无法处理可变长序列的弊端,在保留功率放大器记忆特性的同时,提高了行为建模的效率。针对实测数据的行为建模结果表明,相比于现有的Volterra级数以及循环神经网络建模方法,文中提出的方法可显著提升行为建模精度,且在行为建模效率方面,相较于循环神经网络建模方法,将实现时间降低了一个数量级。 展开更多
关键词 辐射源 功率放大器 行为建模 时序卷积网络 残差结构 因果卷积 膨胀卷积 深度网络
在线阅读 下载PDF
基于时序卷积网络的词级语言模型研究与应用 被引量：3
19
作者 李大舟 于广宝 +1 位作者 高巍 孟智慧 《计算机工程与设计》 北大核心 2021年第2期449-454,共6页
提出一种卷积神经网络——时序卷积神经网络。将该网络应用于语言模型,时序卷积神经网络的基本结构由输入层、扩大卷积层、因果卷积层、Relu层、Dropout层、输出层组成,将扩大卷积应用在语言模型中。实验结果表明,将语言模型的复杂度降... 提出一种卷积神经网络——时序卷积神经网络。将该网络应用于语言模型,时序卷积神经网络的基本结构由输入层、扩大卷积层、因果卷积层、Relu层、Dropout层、输出层组成,将扩大卷积应用在语言模型中。实验结果表明,将语言模型的复杂度降到83.21,误差降到3.87,该网络同RNN比较复杂度下降14%、误差下降0.69,该网络同LSTM比较复杂度下降13%、误差下降0.4,综合复杂度、误差两个指标,时序卷积网络优于其它基准模型。 展开更多
关键词 语言模型 扩大卷积 时序卷积神经网络 因果卷积 复杂度
在线阅读 下载PDF
基于时序卷积残差网络和鹈鹕优化算法的新能源电网安全稳定控制方法 被引量：3
20
作者 张建新 邱建 +4 位作者 朱煜昆 朱益华 杨欢欢 徐光虎 涂亮 《可再生能源》 CAS CSCD 北大核心 2024年第6期845-852,共8页
随着“双碳”目标的推进,随机波动的新能源接入电网的规模和容量日益提升,严重影响电网的安全稳定运行。针对大干扰故障电压稳定控制问题,文章提出了一种基于时序卷积残差网络和鹈鹕优化算法的新能源电网电压安全稳定控制策略。首先,利... 随着“双碳”目标的推进,随机波动的新能源接入电网的规模和容量日益提升,严重影响电网的安全稳定运行。针对大干扰故障电压稳定控制问题,文章提出了一种基于时序卷积残差网络和鹈鹕优化算法的新能源电网电压安全稳定控制策略。首先,利用时序卷积信息损失少、感受野宽以及残差网络深层特征提取能力强的优势,构建基于时序卷积残差网络的电压稳定预测模型,映射出敏感节点电压时序特征和电压稳定之间的关系;其次,构建电压稳定控制模型,利用鹈鹕优化算法收敛速度快、搜索能力强的优势求解控制模型,得出最佳切机和切负荷动作措施;最后,进行了仿真验证。验证结果表明,所提方法提高了新能源电网电压安全稳定预测的准确性,通过最佳的电压稳定控制策略提高了电网故障后的安全稳定运行水平。 展开更多
关键词 新能源 大干扰故障 时序卷积残差网络 鹈鹕优化算法 安全稳定控制
在线阅读 下载PDF
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 2 … 7 下一页 到第 页
使用帮助 返回顶部