基于大数据和深度学习的电网调度语音识别声学模型研究

随着各级电网调度数据接入规模的快速增大,调度员承担的职责和复杂性日益增多,给电网调度指令的正确下发和电网的安全稳定运行带来了严峻的挑战。调度语音识别是解决该问题的有效手段之一,也是推进电网智能化建设的重要举措。本文首先介绍了语音识别的基本概念,在调度语音大数据的背景下,引入了卷积神经网络模型和隐马尔科夫模型用于电网调度语音识别,并结合电网专业知识背景构建了电网调度语音声学词表,建立了基于大数据和CNN-HMM的电网调度语音识别声学模型,在特征计算时采用了倒谱均值方差归一化方法,以降低信道和噪声影响,提升声学模型的鲁棒性。仿真算例表明,该模型可以有效提升调度语音识别的准确性,为相关工程实践提供了一种思路。     

深度强化学习算法求解动态流水车间实时调度问题

本文针对动态流水车间调度问题(DFSP), 以最小化最大完工时间为优化目标, 提出一种自适应深度强化学习算法(ADRLA)进行求解. 首先, 将DFSP的新工件动态到达过程模拟为泊松过程, 进而采用马尔科夫决策过程(MDP)对DFSP的求解过程进行描述, 将DFSP转化为可由强化学习求解的序贯决策问题. 然后, 根据DFSP的排序模型特点, 设计具有较好状态特征区分度和泛化性的状态特征向量, 并依此提出5种特定动作(即调度规则)来选择当前需加工的工件, 同时构造基于问题特性的奖励函数以获取动作执行效果的评价值(即奖励值), 从而确定ADRLA的3类基本要素. 进而, 以深度双Q网络(DDQN) 作为ADRLA中的智能体, 用于进行调度决策. 该智能体采用由少量小规模DFSP确定的数据集(即3类基本要素在不同问题上的数据)训练后, 可较准确刻画不同规模DFSP的状态特征向量与Q值向量(由各动作的Q值组成)间的非线性关系, 从而能对各种规模DFSP进行自适应实时调度. 最后, 通过在不同测试问题上的仿真实验和与算法比较, 验证了所提ADRLA求解DFSP的有效性和实时性.     

面向实时应用的深度学习研究综述

深度学习算法和GPU算力的不断进步,正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明,深度学习技术的成熟度还远未达到安全攸关应用的要求.因此,对可信人工智能系统的研究已经成为了一个热点方向.对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题;然后,从深层神经网络的轻量化设计、GPU时间分析与任务调度、CPU+GPU SoC异构平台的资源管理、深层神经网络与网络加速器的协同设计等多个方面对现有的研究工作进行了分析和总结;最后展望了面向实时应用的深度学习领域进一步的研究方向.     

基于深度学习的散货船舶调度优化算法

为提升船舶停泊运行的时效性,提出基于深度学习的散货船舶调度优化算法。首先,制定散货船舶的进出作业流程,分析船舶调度作业的影响因素;其次,利用深度学习算法优化船舶调度,并提出调度方案;最后,进行实验分析。实验结果表明,该算法能够有效节约散货船舶在港口等待调度的准备时间,优于对照组。     

基于人工智能技术的电网调度控制业务研究

目前调度控制系统的界面展示较为传统,人机交互手段单一,数据较为零散,数据信息价值有待挖掘,缺少基于人工智能的辅助工具,难以实现高效的智能判断与决策.本文提出了基于人工智能的电网调控小助手系统,论述了系统架构及关键技术.该系统可将调度控制系统传统的图形浏览及操作人机交互方式,转变为基于语音识别与转换的智能交互方式,并基于...     

深度学习实时语义分割算法研究综述

语义分割是从像素的角度分割出图片中的不同对象,并对原始图片中的每个像素进行标注的一种技术。但由于无人机导航、遥感图像、医疗诊断等应用领域需要实时地进行语义分割处理。所以,基于深度学习的实时语义分割技术得到了迅速的发展。实时语义分割技术发展至今已有许多的技术与模型。基于此,在对相关文献进行研究的基础上,由语义分割技术引出了实时语义分割技术,并简单叙述了实时语义分割的优点。随后,研讨出目前实时语义分割存在的重难点。根据重难点进而对已存在的相关技术与模型进行阐述,并总结技术与模型的优缺点。最后,展望实时语义分割所面临的挑战,并对实时语义分割进行了总结与归纳,为后续的研讨提供了一些理论参考。     

基于深度强化学习的深圳市急救车调度算法

在院前急救领域中,急救反应时间是指患者拨打急救电话后,急救车到达现场的时间。传统急救车调度算法未全面考虑急救环境的动态性和复杂性因素,导致模型优化的急救反应时间与实际情况存在偏差。将急救车调度问题建模成马尔科夫决策过程,构建基于深度强化学习的急救车调度算法。以多层感知机作为评分网络结构,通过将急救站的动态信息映射为各个急救站的得分,确定急救车被调往各急救站的概率。同时,结合急救车调度的动态决策特点,利用强化学习中演员-评论家框架下的近端策略优化算法改进评分网络参数。在深圳市急救中心真实急救数据集上的实验结果表明,相比Fixed、DSM、MEXCLP等算法,该算法在每个急救事件中的急救反应时间平均缩短约80 s,并且在10 min内急救车的平均到达比例为36.5%,能够实时地将急救车调度到合适的急救站。     

基于深度学习的电网一次设备风险智能评估方法

电网一次设备历史缺陷信息同类型区分表象混乱,导致风险评估指标ROC偏离比过高,因此,研究基于深度学习的电网一次设备风险智能评估方法。根据设备风险影响因素的特点和变化情况,基于深度学习,收集电网一次设备历史缺陷信息,并按照类别、类型、表象合理区分同类型的缺陷信息,分析状态构成权重的劣化程度,扣除电网一次设备的运行状态量,提取设备风险评估关联特征,构建电网一次设备风险深度学习评估模型,利用分解完成的趋势循环项和电网一次设备的风险趋势项,完成电网一次设备的风险智能评估。实例测试结果表明:该方法的风险评估指标ROC偏离比整体低于0.4,对设备风险评估关联特征的提取效果较好且评估稳定,其电网一次设备风险智能评估效果得到多方面的保证。     

电力调度数据网可靠度评估方法

【目的】调度数据网络拓扑结构复杂,设备众多,业务流量数据大,调度数据网的不稳定运行,最终可能造成一定规模的电网影响,对调度数据网静态拓扑结构进行可靠性评估,有着重要的现实意义。【方法】因此提出基于调度数据网络结构的可靠度评估模型。首先,在调度数据网拓扑结构分析的基础上,结合不同的连通可靠度算法计算网络连通可靠度,同时根据地区重要度,对调度数据网进行可靠度加权计算,得到综合可靠度,根据评估出的可靠度,可以作为网络优化或者可靠度预警的依据。【结果】本文以某省地区拓扑结构为例,进行可靠度评估,验证了该评估方法对调度数据网可靠度的评估的有效性和合理性。【结论】结果表明环型拓扑和并联结构可以有效地提高网络可靠度,助力调度数据网生产业务稳定快速发展。     

基于网络感知的电网数据均衡动态关键路径调度算法

针对传统调度算法对电网数据调度负载不均衡、调度效果差的问题,提出了基于网络感知的电网数据均衡动态关键路径调度算法.依据电力网络的拓扑结构,选取与处理调度目标参数,结合随机均衡策略,动态迁移电网数据.充分考虑电网数据均衡动态属性,采用网络感知迭代均衡方法,进行电网数据归一化处理.依据均衡调度样本误差,确定最终负荷输出值....     

基于深度学习的复杂网络实时Sybil攻击检测算法

针对复杂网络中Sybil攻击检测速度较慢的问题,提出一种基于深度学习的复杂网络实时Sybil攻击检测方案。从网络中采集数据,提取合适的特征;通过深度学习技术预测网络中的攻击行为。基于多层核极限学习机的深度学习技术包括无监督表示学习与监督特征分类两个阶段。通过低秩逼近法计算近似的经验核映射,代替原极限学习机随机生成的隐层。将经验核映射-自动编码的栈式自编码器作为表示学习,对极限学习机的时间效率与存储成本实现了显著的提高。基于实际社交数据的实验结果表明,该方案有效地降低了Sybil攻击的检测时间,并且保持了较好的检测效果。     

基于深度学习的基层网络数据个性化挖掘算法

为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输...     

基于深度学习的实时人流统计方法研究

在深度学习出现以前,传统的人流统计方法往往难以适应复杂多变的场景,并且效率低下,难以满足实时统计要求。为使得这一工作更加趋向于智能化,本文通过将改进的轻量级目标检测网络YOLOv3-MP(YOLOv3-MobileNet-Person)与基于检测的多目标跟踪算法DeepSORT(Simple Online and Realtime Tracking)融合?设计了一种基于深度学习的YOLO-MP- DeepSORT实时人流统计方法。实验表明,本文所给的方法对行人的识别率最终高达91.67%,运行速率达到29.81fps,功能稳定,满足实时性要求。     

深度强化学习算法求解作业车间调度问题

由于传统车间调度方法实时响应能力有限,难以在复杂调度环境中取得良好效果,提出一种基于深度Q网络的深度强化学习算法。该方法结合了深度神经网络的学习能力与强化学习的决策能力,将车间调度问题视作序列决策问题,用深度神经网络拟合价值函数,将调度状态表示为矩阵形式进行输入,使用多个调度规则作为动作空间,并设置基于机器利用率的奖励函数,不断与环境交互,获得每个决策点的最佳调度规则。通过与智能优化算法、调度规则在标准问题集上的测试对比证明了算法有效性。     

基于深度学习的自适应水墨画计算美学评估

近几年艺术作品的计算美学评估已成为一个热门的研究方向.但现有工作主要研究照片和油画,关于水墨画的定量审美评估却鲜有尝试.水墨画通过水墨相调和笔法变化来表现画面,因而在视觉特征、语义特征和审美准则上与照片和油画有显著不同.针对此问题,采用深度学习技术,提出一种自适应的水墨画计算美学评估框架.该框架首先构建水墨画图像美学评价基准数据集;然后根据水墨画审美标准提取全局与局部图像块作为多路输入,并设计一种多视角并行深度卷积神经网络来提取深度审美特征;最后基于水墨画的题材查询机制,构建自适应深度审美评估模型.实验结果表明,文中包含6个并行题材卷积组的多视角网络架构相较基础VGG16架构有较高的审美评估性能,提取的深度审美特征明显优于传统手工设计特征,其自适应模型评估结果与人工审美评价之间达到0.823的皮尔森高度显著相关,且均方误差为0.161.此外,干扰实验表明,文中的网络对构图、墨色和纹理3个绘画要素较为敏感.该研究将不仅为国画计算美学评估提供了一个基于深度学习的参考框架,而且有助于进一步探索人类审美感知与水墨画中深度学习特征之间的关系.     

深度学习下主流染色体分类算法的性能评估

目的 染色体分类是医学影像处理的具体任务之一,最终结果可为医生提供重要的临床诊断信息,在产前诊断中起着重要作用。深度学习由于强大的特征表达能力在医学影像领域得到了广泛应用,但是基于深度学习的大部分染色体分类算法都是在轻量化私有数据库上得到的不同水准的分类结果,难以客观评估不同算法间的优劣,导致缺乏对算法的临床筛选标准,因此迫切需要在大规模数据库上对不同算法开展基于同样数据级的性能评估,以获取具有客观可对比性的性能数据,这对于科研成果的转化具有重要意义。方法 本文基于广东省妇幼保健院提供的染色体数据,构建了包含126 453条染色体的临床数据库,精选6个主流染色体分类模型在该数据库上展开对比实验与性能评估。结果 在本文构建的大规模染色体临床数据库上,实验和分析发现,参评模型分类准确率均达到92%以上,其中MixNet模型提升后分类效果最好,为98.92%。即使分类性能落后的模型在本数据集上训练也得到明显改善,准确率从86.7%提升至92.09%,相比早期报告的性能提升了5.39%。结论 开展实证研究实验发现,数据库规模大小是影响染色体分类算法能否取得理想分类效果的重要因素之一。对于染色体...     

基于可延迟调度提升实时数据对象时序一致性服务质量算法

针对保证实时数据对象时序一致性调度算法在软实时数据库系统环境下的应用问题,提出了一种基于概率统计的可延迟优化(SDS-OPT)算法。首先,分析和比较了现有算法在可调度性、服务质量(QoS)以及工作负载方面的特征与不足,指出优化现有算法的必要性;然后,利用最速下降法提升作业的执行时间筛选基准值,进而增加实时更新事务可调度的作业数量,以确保实时数据对象的时序一致性服务质量(QoS)最大化;最后,从工作负载和服务质量两个方面对所提算法和现有算法的性能进行对比分析。仿真实验结果表明,相对于已有的针对固定优先级可延迟调度算法(DS-FP)和统计性的非确定性可延迟调度算法(DS-PS),所提算法能够保证实时数据对象的时序一致性,同时降低工作负载,服务质量提升明显。     

基于深度学习的智能电网故障预警系统研究

为解决传统电网故障分类器无法准确获得故障线路的信息及定位故障的问题,本文提出了基于深度学习的电网故障预警系统.网络中增加由BI-GRU提取的故障线路时间序列特征,从而提高分类器的精度.此外,通过注意力机制学习不同的故障线路或不同的故障状态的时间序列特征,从而加快网络学习效率.最后,将本文所提框架与LSTM、GRU、BI...     

基于深度学习的三维实时人脸识别技术研究

目前,虽然深度学习算法通过二维卷积能够获得二维图像,并且形成的二维图像可为人脸识别提供支持,但在实际场景之中,在人脸表情、姿态等方面的识别比较困难,而三维实时人脸识别技术则能够弥补这一缺陷。但由于人脸的姿态和表情随时可能出现变化,会导致三维人脸信息缺乏完整度,同时也会造成人脸区域发生变形等问题,因此,本文基于深度学习,对三维实时人脸识别技术进行研究,以持续解决当前人脸识别方面存在的问题。