神经网络知识图谱模型在机器翻译知识图谱推理中的应用研究

知识图谱通过结构化方式完成实体与实体信息之间关系的存储,能够快速高效地处理信息,但存在稀疏性、不完整性等缺点。研究首先通过设计可逆残差模块、输入模块和输出模块构建高效率神经网络(Highly Efficient Transformer, HET),随后利用FOL规则准确率高且可解释性强的特点完成知识推理,由此形成混合逻辑规则与神经网络的知识推理模型(Highly Efficient Transformer Inductive Learner, HETIL)。结果表明,随着步数的增加,HET高效神经网络模型的困惑度最低仅为3.6。在英语机器翻译实例中,HETIL混合推理模型对网页英语翻译场景的平均倒数排名(Mean Reciprocal Ranking, MRR)指标可达0.67,耗时最低仅为18 s。说明所提出模型在机器翻译中具有较高的运行效率,能够有效完成推理任务,为英语机器翻译领域的发展提供了新的思路和方法。     

计及多重需求响应的电-热-氢综合能源系统多时间尺度低碳运行

在双碳背景下,针对综合能源系统(integrated energy system, IES)中需求侧资源响应能力差异性以及不同能源管理时间尺度差异性,提出了一种计及多重需求响应的电-热-氢IES多时间尺度低碳调度策略。首先,考虑到需求侧资源在不同时间尺度下的响应特性不同,建立了日前-日内多重综合需求响应模型。其次,为减少源、荷预测误差对系统运行的影响,构建了IES多时间尺度低碳调度模型。其中,日前低碳调度以购能成本、阶梯型碳交易成本和运维成本之和最低为目标,制定一天24小时出力计划;日内调度则考虑到电-热能在不同时间尺度下的响应差异性,建立了双时间尺度的滚动优化调度模型,平抑功率波动。算例仿真结果表明,所提策略能够充分发挥需求侧资源的响应能力,通过协调各设备出力和需求响应资源来平抑系统功率波动,实现IES低碳、经济和稳定运行。