排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
针对电网领域命名实体识别(NER)对人工标注的依赖问题,提出了一种面向电网设备故障报告的半监督命名实体识别方法Semi-supervised PGTBC.首先使用基于多头自注意力机制的深度自注意力网络进行特征抽取,然后结合双向长短记忆神经网络(BiLSTM)和条件随机场模型(CRF)建立电网领域命名实体识别模型,最后基于半监督思想,引入基于深度自注意力网络的实体类别综合描述相似度计算,结合PGTBC的置信度作为半监督阈值筛选依据,减少对电网设备故障报告实体标注的依赖.数据集使用来源于1256篇的电网故障报告的10301条标注样本数和30829条无标注样本数.在有标注电网领域数据上的实验结果表明,基于PGTBC模型的预测F1为96.43%,相对于传统的BiLSTM-CRF模型提高了7.09个百分点.在无标注样本上,半监督方法Semi-supervised PGTBC取得了93.16%的F1,相对半监督CRF模型的F1提高了23.4个百分点,并对无标注样本进行了自动标注,识别出1661条新实体,有效减少电网设备故障报告命名实体任务对人工标注的依赖. 相似文献
2.
特高压气体绝缘金属封闭开关(gas insulated switchgear,GIS)特高频局放信号呈现小脉冲、少脉冲偶发特征,常被干扰信号淹没。常规单通道局放识别方法难以有效提取特高压GIS特高频偶发局放信号,为此迫切需要研究基于多通道的特高频偶发局放信号识别算法。首先现场实测了1000 kV GIS多通道特高频局放信号,基于其频谱特性,提出了采用双指数脉冲信号注入和真实干扰源的特高压GIS特高频偶发局放信号模拟实验方法,通过改变注入信号幅值模拟不同信噪比的特高频局放信号脉冲,获得了9000组多通道特高频局放信号和干扰信号数据样本;其次研究了多通道特高频信号时频特征聚类方法,在常规K-Means方法的基础上,提出了一种基于修正时频聚类分界的特高压GIS特高频偶发局放识别方法,提出了修正系数L的最优取值;最后将该方法应用于某1000kV GIS特高频局放现场带电检测,验证了该方法的有效性。 相似文献
3.
4.
5.
以油纸绝缘宽频介电响应为研究对象,针对实验室不同水分含量的油纸绝缘样品,开展了宽频介电响应测试。通过介电谱中的弛豫极化部分,提取了表征受潮程度的频谱参数,分析其与油纸绝缘中水分含量的关系,进一步设计了油浸式套管缩比模型的受潮试验,讨论了频谱参数在套管受潮诊断中的应用。结果表明:弛豫极化频谱中的低频极化过程对水分含量较为敏感,其损耗峰峰值可作为表征水分含量的特征参数;在套管不同受潮类型情况下,低频和高频弛豫极化的损耗峰值及特征频率等参数的变化规律不同,可作为套管受潮类型的初步判据。 相似文献
6.
7.
1