排序方式: 共有18条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
9.
针对常规电力系统操作票的安全校验依赖人工经验、主观性强、容易出错、可靠性不高且校验效率较低,提出了一种基于注意力机制的CNN (convolutional neural network)-BiLSTM (bidirectional long short-term memory network)操作票自动校核方法。该方法首先对操作票文本进行分词处理,并利用文本向量化模型将操作票文本转变为词向量矩阵;然后以词向量矩阵作为CNN的输入,提取操作票文本局部词语间的高维语义特征,以高维语义特征构成的序列作为BiLSTM网络的输入,进一步挖掘操作票文本的上下文联系;同时引入注意力机制给予BiLSTM网络隐藏层不同的权重以加强关键词语的影响,最终实现操作票文本的深度语义特征挖掘,通过全连接层将深度语义特征映射到校核标签空间,给出调度操作票文本的校核判定结果。以湖北某地区电网的操作票为样本进行实验,实验结果表明,该方法校验正确率较高,能够较为准确地判别操作票的正确性,有效提高操作票校验的工作效率。 相似文献
10.