云环境下基于监督学习的资源调度策略研究与实现

在云环境下,任务执行节点是异构和动态的,而且资源节点的利用率和负载的均衡很大程度上会影响云服务端的执行效率,如何为用户的任务调度合适的资源节点是关键。论文提出了一种基于监督学习的资源调度策略,并给出了该策略的整体框架,系统调度预测模型和算法描述,初步测算表明,该算法具有较好的适应性。     

自学习软件自动化系统NDSAIL的设计与实现

本文介绍一个具有自学习功能的软件自动化系统NDSAiL。该系统能自动从示例中学习问题分解方法,并用于自动生成部分通用算法.该系统还能自动学习基本算法及算法优化方法.在算法构架学习背景下,有效地解决了解释学习的操作性准则问题;并针对一类问题解决了归纳学习结果的正确性问题以及unfold/fold转换技术的完全自动化问题.     

基于数据集市配电网调度自动化系统体系结构

以数据集市为基础构建了配电网调度自动化系统的体系结构,以满足该系统数据共享和向上提供数据的要求,从而克服现有系统数据一致性、系统性差等方面的问题。该体系结构适用于现有配电网调度自动化系统的升级改造,也适用于新一代配电网调度自动化系统设计。     

电力调度自动化网络安全与实现技术

无论是电力调度自动化系统的应用,还是对网络环境的安全保障,都需要先进电力技术的大力支持,实现电力技术的真正作用和价值,不断对整个电网线路装置进行升级和优化,在电力系统发生故障时,能够预先对电力系统的故障问题进行检测,及时解决问题,减少国家的经济损失,还能防止居民日常生活中用电安全事故的发生.     

基于容器平台的调度自动化系统的系统管理的实现

随着信息技术的飞速发展,Docker容器化技术已逐步应用到调度自动化系统中.Kubernetes作为新一代容器化应用集群平台,具有资源自动调度机制及弹性扩展等优点.目前,Kubernetes开始作为电力调度自动化系统的平台.介绍了基于容器平台Kubernetes的调度自动化系统的系统管理的设计及实现,对该系统管理的系统...     

基于深度学习的电力数据合规性审查方法

为了保障电力数据的安全、完整、真实和可靠,维护国家能源安全和电力市场秩序,促进电力行业的健康发展,提出基于深度学习的电力数据合规性审查方法研究。本次研究首先基于供电企业的远程采集系统完成电力数据的采集,其次过滤处理电力数据,组成电力时序数据集,再次预处理电力时序数据集,最后基于改进卷积神经网络（Convolutional Neural Network,CNN）算法建立电力数据合规性审查模型。试验结果表明,所提方法查准率和查全率均高于95%,应用效果较好。     

基于供需平衡的电力交易平台业务自动化调度研究

为提高电力交易平台业务自动化调度效率,设计基于供需平衡的电力交易平台业务自动化调度方法。通过建立电力交易平台业务自动化调度目标函数,对调度过程中的偏差进行校正,在此基础上采用遗传算法求解多用户电力线通信资源优化调度模型,设计电力调整数据网拥塞算法来确定和检测节点某一时刻的拥塞状态,实现电力交易平台业务自动化调度。实验结果表明,所研究基于供需平衡的电力交易平台业务自动化调度方法较传统方法调度效率高,并且资源利用率高,同时减少了拥塞情况。     

基于深度学习的火电厂机组负荷调度自动控制方法

传统火电厂机组负荷调度自动控制方法无法准确预测多用户目标负荷,导致负荷调度误差较大,提出基于深度学习的火电厂机组负荷调度自动控制方法。通过火电厂的历史运行数据构建火电厂机组负荷分配模型,采用深度学习中的长短期记忆网络（Long Short-Term Memory,LSTM）神经网络进行火电机组负荷预测,建立机组系统能耗与负荷频率的相关模型,输出负荷调度结果,引入比例、积分（Proportion Integral,PI）控制器实现火电厂机组负荷调度自动控制。实验结果表明,文章设计方法能够准确预测火电厂机组运行负荷,在升负荷过程及降负荷过程中的调度负荷和调度自动控制准确性均较好。     

东北电网调度自动化系统的研究

东北电网调度自动化系统包括CC 2 0 0 0实时调度自动化系统、D2 0 0 0电能量自动采集系统、信息管理系统和建立在这三套系统之上的联络线关口调度技术支持系统     

基于大数据和深度学习的语音识别研究

近年来,现代信息技术进入高速发展的阶段,新的研究成果出现的同时也带来了新的难题和挑战,其中,对人工智能的研究应用到了人们生活和生产的各个方面,给社会生活带来了巨大的改变。在人工智能识别中的语音识别研究一直是重点研究项目,虽然基于人工神经网络引入声学理论的研究,让语音识别智能化的效率和准确率大大提高,但是随着对语音识别需求的增多,仍然出现了一些不足。因此需要基于大数据和深度学习,对语音识别进行改善和深入研究,本文通过探讨语言智能识别的现状,用基于大数据和深度学习的方法,改善语音识别中的语音提取,声音模拟和识别判断等,有效提高语音识别技术的发展。     

基于RDC-PSOA的复杂自动化控制最优任务规划方法研究

在复杂的自动化控制模型中进行最优任务规划数据推荐时,容易出现只将任务分配给最先执行的处理器的情况,导致个别处理器上任务分配过多,造成整体时间跨度增加,提出一种基于推荐数据特点粒子群优化(recommended data characteristics-particle swarm optimization algorithm:RDC-PSOA)的复杂自动化控制最优任务规划方法,以一群随机粒子为初始解,依据复杂自动化控制模型中任务规划数据推荐问题的特点,在粒子群算法的基础上,重新塑造粒子描述形式,对粒子的位置与速度进行编码,将粒子群算法映射到离散空间,通过迭代获取全部可能的自动化控制任务规划方案,实现数据的有效推荐;仿真实验结果表明,所提方法不仅具有很强的收敛能力,而且数据推荐完成时间短,性能优越.     

大数据背景下的机器学习算法应用研究

大数据背景下,机器学习和数据分析是利用大数据为人类服务的重要手段。本文阐述了机器学习算法的使用 步骤、特征维度的提取方法、特征模型建立的理论支撑,以及模型融合所占的权重。针对当前大数据下机器学习算法的关键技 术,对其发展前景进行了展望。     

基于K-近邻算法的网页自动分类系统的研究及实现

随着网络信息量的爆炸式增长,人们查找信息越来越难。Web搜索引擎的出现在一定程度上解决了这种矛盾。然而现行的搜索引擎无法根据用户所指定的主题进行针对性的搜索,因此,必须在搜索后对结果是否属于目标主题进行判断,以提高搜索的准确性,文中提出了一种基于K-近邻机器学习算法的信息自动分类的方法,能够对搜索到的网页自动地判定是否属于目标主题,并在实验的基础上验证了其在提高搜索准确性上的作用。     

基于畜禽舍的养殖环境控制自动化系统研究与实现

提出了基于畜禽舍的养殖环境控制自动化系统的初步实现方案与思路,详细阐述了养殖环境信息采集模块、插座式控制代理和中间控制器的嵌入式结构设计,对涉及的环控自动化设施原理进行了分析,最后还提出了基于模式控制下"一组引擎、两项管理、三大中心"的软件系统体系结构。     

大运行体系下县调自动化系统研究

随着国家电网公司"大运行"体系的建设,县级调度自动化系统对确保县区电网安全稳定运行具有越来越重要的作用。本文对大运行体系下县调自动化系统的重要性进行了分析,并对县调自动化系统的建设方案及功能进行了研究。     

基于机器学习的核电文档个性化推荐系统研究

本文对采用个性化推荐的方式来辅助用户开展文件检索进行研究,根据用户历史搜索记录以及用户网站行为日志进行分析来推荐用户想要的搜索结果,变被动搜索为主动推荐。文章从推荐系统的建设思路、总体架构设计、数据采集来源分析、数据处理策略、推荐引擎的模型设计、机器学习计算框架选择几个部分来开展研究。重点阐述了基于文件的协同过滤算法叠加基于图的推荐模型的算法核心。通过计算文件之间的相似度,并根据文件的相似度以及用户的历史行为生成推荐列表,再根据岗位、知识点等实体关联所建立的关系图来对推荐结果进行过滤、排序。通过开展基于机器学习的文档个性化推荐研究,为基于大数据及人工智能技术的文档及信息资源开发利用做了有益的探索。     

基于Spark的流程化机器学习分析方法

Spark通过使用内存分布数据集,更加适合负载数据挖掘与机器学习等需要大量迭代的工作.但是数据分析师直接使用Spark进行开发十分复杂,包括scala学习门槛高,代码优化与系统部署需要丰富的经验,同时代码的复用度低导致重复工作繁多.本文设计并实现了一种基于Spark的可视化流程式机器学习的方法,一方面设计组件模型来刻画机器学习的基本步骤,包括数据预处理、特征处理、模型训练及验证评估,另一方面提供可视化的流程建模工具,支持分析者设计机器学习流程,由工具自动翻译为Spark平台代码高效执行.本工具可以极大的提高Spark平台机器学习应用开发的效率.论文介绍了工具的方法理论和关键技术,并通过案例表明工具的有效性.     

基于机器学习与大数据技术的入侵检测方法研究

为有效检测网络的攻击行为,提出了基于机器学习与大数据技术的入侵检测方法。首先分析当前网络入侵检测算法,描述了大数据分析技术的网络入侵原理,然后将GRU神经网络与SVM分类算法相结合,最后使用网络入侵检测数据集进行实验。实验结果表明基于GRU-SVM模型的网络入侵检测成功率高于其他模型,网络入侵检测整体效果得到改善,保证...     

基于深度学习的图像自动标注算法

图像的自动标注是图像检索领域一项基础而又富有挑战性的任务。深度学习算法自提出以来在图像和文本识别领域取得了巨大的成功,是一种解决"语义鸿沟"问题的有效方法。图像标注问题可以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程。文中将基本图像标注问题视为一个多标记学习问题,图像的标签先验知识作为深度神经网络的监督信息。在得到基本标注词汇的基础上,利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果。最后将所提出的改进的深度学习模型应用于Corel和ESP图像数据集,验证了该模型框架及所提出的解决方案的有效性。