基于Transformer和多通道卷积神经网络的情感分析研究

文本情感分析是自然语言处理的经典领域之一.文中提出了一种基于transformer特征抽取器联合多通道卷积神经网络的文本情感分析的模型.该模型使用transformer特征提取器在传统Word2vector,Glove等方式训练的静态词向量的基础上来进行单词的分层、动态表示,针对特定数据集采用Fine-Tuning方式来进行训练有效提升了词向量的表征能力.多通道卷积神经网络考虑了不同大小范围内词序列之间的依赖关系,有效进行特征抽取并达到降维的目的,能够有效捕捉句子的上下文语义信息,使模型捕获更多的语义情感信息,提升文本的语义表达能力,通过Softmax激活函数达成情感倾向分类的目标.模型分别在IMDb和SST-2电影评论数据集上进行实验,测试集上准确率达90.4％和90.2％,这明所提模型较传统词嵌入结合CNN或RNN的模型在分类精确度上有了一定程度的提升.     

基于优化网格的最小生成树聚类算法

提出一种基于优化网格的最小生成树聚类算法OGMST(MST Clustering Algorithm Based on Optimized Grid),一方面利用最小生成树的方法进行聚类,另一方面利用了参数自动化的网格划分技术和密度阈值处理技术,解决了最小生成树聚类算法不适用于多密度数据集的局限性,提高了现有的多密度聚类算法的效率和精度.算法还对边界点进行了有效的处理.实验表明算法具有较好的可扩展性,是一种高效、快速的聚类算法.     

基于面向对象的电网调度"两票"管理系统

“两票”是指电力生产中所使用的工作票和操作票，论文设计实现了一种电网调度的两票综合管理系统。介绍了该系统的实现方法及其功能，采用面向对象的软件开发技术使该系统具有通用性、可维护性、和可扩充性。此系统的应用，大大减轻了工作人员书写工作票的劳动强度，有效缩短了工作票的传递时间，提高工作票和操作票的正确率和效率。     

多Agent在电力系统中的应用

随着计算机网络、计算机通信等技术的发展,特别是Internet的普及,对于Agent以及多Agent系统的研究己成为分布式人工智能研究的一个热点。Agent技术提供了一种新的计算和问题求解规范,这主要是因为基于Agent的系统具有许多优点。基于Agent的概念,人们提出了一种新的人工智能定义     

基于指令并行性的VLIW的控制流

该文简要分析了影响VLIW指令级并行性发挥的控制相关问题,提出了相应的解决方法。     

全局时变权组合预测方法

文章提出了一种新的组合预测方法—全局时变权组合预测方法。这种组合预测方法根据以往的全部历史数据,利用数值计算的手段决定组合系数函数中的参数,于是组合系数随时间的推移而变化。这种组合预测方法既能充分利用历史数据,又可以同时跟踪变量的时变特性。     

基于改进YOLOv3的多尺度目标检测算法

为了进一步提高多尺度目标检测的速度和精度,解决小目标检测易造成的漏检、错检以及重复检测等问题,提出一种基于改进YOLOv3的目标检测算法实现多尺度目标的自动检测。首先,在特征提取网络中对网络结构进行改进,在残差模块的空间维度中引入注意力机制,对小目标进行关注;然后,利用密集连接网络（DenseNet）充分融合网络浅层信息,并用深度可分离卷积替换主干网络中的普通卷积,减少模型的参数量,提升检测速率。在特征融合网络中,通过双向金字塔结构实现深浅层特征的双向融合,并将3尺度预测变为4尺度预测,提高了多尺度特征的学习能力;在损失函数方面,选取GIoU（Generalized Intersection over Union）作为损失函数,提高目标识别的精度,降低目标漏检率。实验结果表明,基于改进YOLOv3（You Only Look Once v3）的目标检测算法在Pascal VOC测试集上的平均准确率均值（mAP）达到83.26%,与原YOLOv3算法相比提升了5.89个百分点,检测速度达22.0 frame/s;在COCO数据集上,与原YOLOv3算法相比,基于改进YOLOv3的目标检测算法在mAP上提升了3.28个百分点;同时,在进行多尺度的目标检测中,算法的mAP有所提升,验证了基于改进YOLOv3的目标检测算法的有效性。     

角色访问控制模型在两票管理系统中的应用

在电力调度检修票和操作票(简称两票)系统中，设计了许多功能和流程，一个用户具有多个权限，一个权限也需要授予多个用户。文中在电力调度两票管理系统中引入基于角色的访问控制（RBAC）模型，其基本特征是根据安全策略划分出不同的角色，对于每个角色分配不同的权限，并为用户指派不同的角色，用户通过角色间接地对信息资源进行许可的相应操作，使得对用户的管理更直观，在很大程度上简化了权限管理工作。     

数据发掘技术在一类电力负荷预测中的应用

介绍了数据发掘中的关联规则在一类电力负荷预测中的应用,对时序数据库向关系型数据库的转化问题做了一定的探讨并且实现了该文所讨论的问题中的转化。文章所提出的预测方法在应用中取得了较高的预测精度。