期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,168篇文章
< 1 2 … 109 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Dynamic Multi-Graph Spatio-Temporal Graph Traffic Flow Prediction in Bangkok:An Application of a Continuous Convolutional Neural Network 认领 引用 被引量：1
1
作者 Pongsakon Promsawat Weerapan Sae-dan +2 位作者 Marisa Kaewsuwan Weerawat Sudsutad Aphirak Aphithana 《Computer Modeling in Engineering & Sciences》 SCIE EI 2025年第1期579-607,共29页
The ability to accurately predict urban traffic flows is crucial for optimising city operations.Consequently,various methods for forecasting urban traffic have been developed,focusing on analysing historical data to u... The ability to accurately predict urban traffic flows is crucial for optimising city operations.Consequently,various methods for forecasting urban traffic have been developed,focusing on analysing historical data to understand complex mobility patterns.Deep learning techniques,such as graph neural networks(GNNs),are popular for their ability to capture spatio-temporal dependencies.However,these models often become overly complex due to the large number of hyper-parameters involved.In this study,we introduce Dynamic Multi-Graph Spatial-Temporal Graph Neural Ordinary Differential Equation Networks(DMST-GNODE),a framework based on ordinary differential equations(ODEs)that autonomously discovers effective spatial-temporal graph neural network(STGNN)architectures for traffic prediction tasks.The comparative analysis of DMST-GNODE and baseline models indicates that DMST-GNODE model demonstrates superior performance across multiple datasets,consistently achieving the lowest Root Mean Square Error(RMSE)and Mean Absolute Error(MAE)values,alongside the highest accuracy.On the BKK(Bangkok)dataset,it outperformed other models with an RMSE of 3.3165 and an accuracy of 0.9367 for a 20-min interval,maintaining this trend across 40 and 60 min.Similarly,on the PeMS08 dataset,DMST-GNODE achieved the best performance with an RMSE of 19.4863 and an accuracy of 0.9377 at 20 min,demonstrating its effectiveness over longer periods.The Los_Loop dataset results further emphasise this model’s advantage,with an RMSE of 3.3422 and an accuracy of 0.7643 at 20 min,consistently maintaining superiority across all time intervals.These numerical highlights indicate that DMST-GNODE not only outperforms baseline models but also achieves higher accuracy and lower errors across different time intervals and datasets. 展开更多
关键词 Graph neural networks convolutional neural network deep learning dynamic multi-graph spatio-temporal
暂未订购 下载PDF
用户综合满意度驱动的多智能体图强化学习电动汽车充电引导策略 认领 引用 被引量：5
2
作者 江昌旭 袁羽娟 +2 位作者 刘晨曦 林俊杰 邵振国 《电网技术》 EI CSCD 北大核心 2026年第5期1985-1995,I0064-I0069,共11页
为了有效解决电动汽车用户因行驶路线拥挤、排队时间长而造成费用高和因电量不足而产生的里程焦虑高等问题,计及用户有限理性心理因素,提出了一种以用户综合满意度驱动的多智能体图强化学习电动汽车充电引导策略,实现降低用户充电总时... 为了有效解决电动汽车用户因行驶路线拥挤、排队时间长而造成费用高和因电量不足而产生的里程焦虑高等问题,计及用户有限理性心理因素,提出了一种以用户综合满意度驱动的多智能体图强化学习电动汽车充电引导策略,实现降低用户充电总时间成本、经济花费和总里程焦虑值的目的,进而提升用户综合满意度。首先,根据电动汽车用户充电总时间成本、经济成本和用户里程焦虑构建用户综合满意度模型,采用二阶锥优化算法求解配电网最优潮流并得到节点边际电价;然后,提出用户综合满意度驱动的多智能体图强化学习电动汽车充电引导策略优化模型,并在该模型中采用独立模块处理用户信息以保护用户隐私;最后,在某电力-交通耦合系统中对所提算法进行仿真验证。仿真结果表明,相比基于随机最小化后悔理论、多属性决策和最短路径法的充电策略,所提出的充电引导模型能够有效考虑用户偏好,减少电动汽车用户的时间成本、经济花费和里程焦虑值,提升充电站服务率并保持电网的稳定性,同时所构建的模型具有良好的扩展性。 展开更多
关键词 电动汽车 充电引导 里程焦虑 多智能体 图强化学习
暂未订购 下载PDF
无对齐实体场景的多语言知识图谱补全 认领 引用 被引量：1
3
作者 唐榕氚 徐秋程 +2 位作者 汤闻易 翟飞飞 周玉 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第1期252-259,共8页
多语言知识图谱补全(MKGC)旨在利用其他语言知识图谱的信息增强目标语言知识图谱上的链接预测性能。现有方法通常利用不同语言知识图谱之间预先对齐的实体对作为知识迁移的媒介,然而在实际场景中,不同语言知识图谱之间通常没有预先对齐... 多语言知识图谱补全(MKGC)旨在利用其他语言知识图谱的信息增强目标语言知识图谱上的链接预测性能。现有方法通常利用不同语言知识图谱之间预先对齐的实体对作为知识迁移的媒介,然而在实际场景中,不同语言知识图谱之间通常没有预先对齐的实体,导致难以实现知识迁移。针对上述无对齐实体场景,提出一种融合预训练语言模型信息的伪对齐实体生成模块,不断迭代生成新的对齐实体进行知识迁移。为区分不同语言知识图谱中信息对目标语言知识图谱的贡献度,提出一种基于多图注意力的图神经网络(MGA-GNN)用于对三元组进行编码,通过该网络输出的嵌入表征计算得到三元组的合理性得分,完成链接预测任务。为验证所提方法的有效性,在2个公开数据集DBP-5L和E-PKG上进行了实验验证,结果表明:所提方法在多个语言知识图谱上链接预测的性能超过了有对齐实体的MKGC方法,证明了该方法在更加实际场景下的优越性能。 展开更多
关键词 多语言知识图谱补全 实体对齐 多图注意力 图神经网络 链接预测
暂未订购 下载PDF
Forecasting traffic flows in irregular regions with multi-graph 认领 引用 被引量：11
4
作者 Dewen SENG Fanshun LV +2 位作者 Ziyi LIANG Xiaoying SHI Qiming FANG 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2021年第9期1179-1193,共15页
The prediction of regional traffic flows is important for traffic control and management in an intelligent traffic system.With the help of deep neural networks,the convolutional neural network or residual neural netwo... The prediction of regional traffic flows is important for traffic control and management in an intelligent traffic system.With the help of deep neural networks,the convolutional neural network or residual neural network,which can be applied only to regular grids,is adopted to capture the spatial dependence for flow prediction.However,the obtained regions are always irregular considering the road network and administrative boundaries;thus,dividing the city into grids is inaccurate for prediction.In this paper,we propose a new model based on multi-graph convolutional network and gated recurrent unit(MGCN-GRU)to predict traffic flows for irregular regions.Specifically,we first construct heterogeneous inter-region graphs for a city to reflect the rela-tionships among regions.In each graph,nodes represent the irregular regions and edges represent the relationship types between regions.Then,we propose a multi-graph convolutional network to fuse different inter-region graphs and additional attributes.The GRU is further used to capture the temporal dependence and to predict future traffic flows.Experimental results based on three real-world large-scale datasets(public bicycle system dataset,taxi dataset,and dockless bike-sharing dataset)show that our MGCN-GRU model outperforms a variety of existing methods. 展开更多
关键词 Traffic flow prediction Multi-graph convolutional network Gated recurrent unit Irregular regions
暂未订购 下载PDF
煤矿智能化开采协同控制理论与关键技术研究及应用 认领 引用 被引量：7
5
作者 范京道 闫振国 +4 位作者 李川 黄玉鑫 杨明 黄克军 宋岳 《煤炭学报》 EI CAS CSCD 北大核心 2026年第1期813-825,共13页
针对煤矿智能化开采中作业环境感知不足、智能装备适应性较差、协同作业能力有限等导致的“智”与“能”无法相互支撑,存在“智而不能,能而不智”的难题,深入探讨了煤矿智能化开采协同控制理论与技术应用。基于三元空间融合理论(HPC),... 针对煤矿智能化开采中作业环境感知不足、智能装备适应性较差、协同作业能力有限等导致的“智”与“能”无法相互支撑,存在“智而不能,能而不智”的难题,深入探讨了煤矿智能化开采协同控制理论与技术应用。基于三元空间融合理论(HPC),以第二生产空间为视角,明确了智能化开采的基本特征,构建了智能化开采协同控制原理,分析了多智能体特性,明晰了包含任务分配、路径规划、资源优化3方面的数据驱动多智能体协同控制策略;深入剖析了智能化开采协同控制的“环境预感知-工艺自匹配-装备自组织”等关键技术,具体涉及基于图神经网络算法的多元环境感知融合分析技术、基于自组织映射算法的作业自匹配与精准控制技术、基于大规模图计算的采煤装备自组织多目标协同控制技术,实现了对环境、工艺及装备的多元感知融合、作业参数自适应调整、作业匹配智能决策与作业单元智能精准控制,确保了采煤活动的高效连通及作业环境的自适应。相关技术在黄陵矿区工作面智能化综采和延长矿业巴拉素煤矿基于5G技术的智能化开采中进行了工程实践,显著提升了采煤作业的智能化水平,优化了资源配置,突破了“远程控、自动采、有人巡、无人守”的智能生产模式,为煤矿智能化开采协同控制提供了理论指导与实践参考。 展开更多
关键词 智能化开采 多元融合感知 大规模图计算 多目标协同控制 智能决策
暂未订购 下载PDF
结合空间多层图卷积和时序分段Transformer的分心驾驶识别方法 认领 引用 被引量：1
6
作者 葛慧敏 欧阳宁 吴沛桐 《计算机工程与应用》 EI CSCD 北大核心 2026年第4期152-167,共16页
识别分心驾驶行为是提升驾驶安全性的重要手段之一。目前基于图卷积的骨架动作识别方法采用单一的骨架图结构而忽略了关节点间的多种交互关系,且对骨架序列局部及全局时间特征提取能力不足。针对上述问题,提出一种结合空间多层图卷积和... 识别分心驾驶行为是提升驾驶安全性的重要手段之一。目前基于图卷积的骨架动作识别方法采用单一的骨架图结构而忽略了关节点间的多种交互关系,且对骨架序列局部及全局时间特征提取能力不足。针对上述问题,提出一种结合空间多层图卷积和时序分段Transformer的分心驾驶识别模型。在空间建模方面,通过多种索引方式构建包含多种空间关系的驾驶员关节点的多层图结构,并引入图注意力机制动态调整图结构中边的连接强度,利用层内与层间图卷积操作提取与融合空间特征。在时间建模方面,对时间序列进行分段处理,并使用Transformer来有效捕捉分段时间的局部特征及跨时段的全局特征。最终在Drive&Act、DAD数据集上对模型进行了性能验证,结果表明,模型相较于现有方法进一步提高了分心驾驶行为识别的准确率。 展开更多
关键词 智能交通 分心驾驶 基于骨架的动作识别 时序Transformer 空间多层图
暂未订购 下载PDF
社交关系超图网络增强的多图融合兴趣点推荐方法 认领 引用 被引量：2
7
作者 程树林 余圳强 +1 位作者 谢文清 蒋京 《计算机应用研究》 CSCD 北大核心 2026年第4期1129-1138,共10页
针对现有方法在社交关系的有效提取及其与时空信息融合方面存在不足,提出社交关系超图网络增强的多图融合兴趣点推荐方法(MSRHN),将局部时空增强图、全局交互超图和社交关系超图融合以实现精准推荐。局部时空增强图模型基于用户-兴趣点(... 针对现有方法在社交关系的有效提取及其与时空信息融合方面存在不足,提出社交关系超图网络增强的多图融合兴趣点推荐方法(MSRHN),将局部时空增强图、全局交互超图和社交关系超图融合以实现精准推荐。局部时空增强图模型基于用户-兴趣点(user-PoI)交互构建时空增强图神经网络,引入非对称传播机制建模时空依赖关系,精确提取局部时空信息;全局交互超图模型基于高阶user-PoI交互构建交互超图神经网络,通过两步传播机制捕获高阶协同信号,有效建模全局交互模式;社交关系超图模型基于用户间社交连接构建社交关系超图神经网络,融合多用户间交互信息,深入挖掘高阶社交关系;最终融合三种图模型生成推荐结果。在三个公开数据集上的实验表明,MSRHN优于现有基线方法。 展开更多
关键词 兴趣点推荐 时空增强图 社交超图 多图融合
暂未订购 下载PDF
Interpreting the vulnerability of power systems in cascading failures using multi-graph convolutional networks 认领 引用 被引量：1
8
作者 Supaporn LONAPALAWONG Changsheng CHEN +1 位作者 Can WANG Wei CHEN 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2022年第12期1848-1861,共14页
Analyzing the vulnerability of power systems in cascading failures is generally regarded as a challenging problem.Although existing studies can extract some critical rules,they fail to capture the complex subtleties u... Analyzing the vulnerability of power systems in cascading failures is generally regarded as a challenging problem.Although existing studies can extract some critical rules,they fail to capture the complex subtleties under different operational conditions.In recent years,several deep learning methods have been applied to address this issue.However,most of the existing deep learning methods consider only the grid topology of a power system in terms of topological connections,but do not encompass a power system’s spatial information such as the electrical distance to increase the accuracy in the process of graph convolution.In this paper,we construct a novel power-weighted line graph that uses power system topology and spatial information to optimize the edge weight assignment of the line graph.Then we propose a multi-graph convolutional network(MGCN)based on a graph classification task,which preserves a power system’s spatial correlations and captures the relationships among physical components.Our model can better handle the problem with power systems that have parallel lines,where our method can maintain desirable accuracy in modeling systems with these extra topology features.To increase the interpretability of the model,we present the MGCN using layer-wise relevance propagation and quantify the contributing factors of model classification. 展开更多
关键词 Power systems Vulnerability Cascading failures Multi-graph convolutional networks Weighted line graph
暂未订购 下载PDF
冷启动环境下基于AIGC数据增强的古诗词“物象-意蕴”识别研究 认领 引用 被引量：1
9
作者 姚天辰 王昊 +2 位作者 李佩琪 布文茹 袁瑞阳 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2026年第5期9-23,共15页
【目的】本文旨在解决中华诗酒文化中“物象-意蕴”隐式语义关系难以形式化表示、冷启动条件下标注语料稀缺导致的语义识别性能受限,以及意蕴知识缺乏结构化表达与关系约束等关键技术问题。【方法】提出UOCIP模型,设计涵盖语料构建、物... 【目的】本文旨在解决中华诗酒文化中“物象-意蕴”隐式语义关系难以形式化表示、冷启动条件下标注语料稀缺导致的语义识别性能受限,以及意蕴知识缺乏结构化表达与关系约束等关键技术问题。【方法】提出UOCIP模型,设计涵盖语料构建、物象抽取、意蕴识别、图谱构建4阶段流程,并引入对抗训练机制与AIGC数据增强策略,提升模型在低资源场景下的表现。【结果】实验结果表明,物象抽取模型的Macro-F1值从56.2%提升至58.6%;意蕴识别模型在多模态注意力机制支持下的Macro-F1值达到83.41%;构建的意蕴知识图谱覆盖5类术语类别,包括酒类物象、酒具、饮酒状态、人物称谓及文化意象,并具备一定的未登录术语识别能力。【局限】当前模型在处理非典型诗风文本及进行图谱边界语义控制方面仍存在挑战,泛化能力与边界规范性有待提升。【结论】本文在冷启动条件下初步实现了中华诗酒文化语义建模的有效方法路径,验证了UOCIP模型在传统文化智能处理中的可行性与推广价值,为后续相关研究提供了理论基础与方法参考。 展开更多
关键词 诗酒文化 数字人文 知识图谱 多模态融合技术 对抗训练
融合多关系异构图和语义特征的核心专利预测方法 认领 引用 被引量：5
10
作者 邓娜 纪媛琳 胡云川 《情报杂志》 CSSCI 北大核心 2026年第1期83-90,共8页
[目的]随着专利数量的爆发式增长,专利间关系日益复杂,现有核心专利预测方法仅依赖单一专利关系网络,难以有效捕捉专利间的多维关联,且未能综合专利的文本信息。因此,实现一种能融合多维度特征的核心专利预测方法具有重要意义。[方法]... [目的]随着专利数量的爆发式增长,专利间关系日益复杂,现有核心专利预测方法仅依赖单一专利关系网络,难以有效捕捉专利间的多维关联,且未能综合专利的文本信息。因此,实现一种能融合多维度特征的核心专利预测方法具有重要意义。[方法]提出一种融合多关系异构图与语义特征的核心专利预测方法。通过构建多关系异构图整合专利间技术共现、共享发明人以及权利要求语义相似多维度关系,并融合XLnet提取的专利摘要语义特征,最终利用MLP分类器实现核心专利预测。[结果/结论]实验结果表明,在通信产业领域的专利数据集上,方法的Precision、Recall、Macro F1以及AUC分数分别达到0.8562、0.8210、0.8059、0.8260,超越了其他4个对比方法,证明了方法的有效性,能为核心专利预测提供新的参考和思路。 展开更多
关键词 核心专利预测 多关系异构图 特征融合 RGCN XLnet
暂未订购 下载PDF
基于图Transformer和多任务协同的电力系统潮流智能计算及可信性评估方法 认领 引用 被引量：2
11
作者 李永哲 管霖 +3 位作者 黄济宇 蔡锱涵 许丹阳 张锦扬 《中国电机工程学报》 EI CSCD 北大核心 2026年第11期4524-4536,I0012,共13页
数据驱动的潮流计算方法是应对新能源强随机性下海量场景在线分析的有效手段。然而,现有数据驱动模型在支路功率计算中存在误差放大效应,且缺乏对结果可信性的有效校验,难以满足实际工程应用需求。该文以模型准确性与可信性提升为目标,... 数据驱动的潮流计算方法是应对新能源强随机性下海量场景在线分析的有效手段。然而,现有数据驱动模型在支路功率计算中存在误差放大效应,且缺乏对结果可信性的有效校验,难以满足实际工程应用需求。该文以模型准确性与可信性提升为目标,提出一种具备自主可信校验能力的多任务协同智能潮流计算框架和模型。通过适用于潮流计算的拓扑感知图Transformer模块,可实现不同拓扑结构下潮流特征的有效提取;设计节点电压和支路功率的多任务并行预测架构,从源头上抑制支路功率计算的误差传播;构建基于功率平衡与相角反演等物理约束的结果可信性自校验机制,满足模型应用的可信性要求。在IEEE 39节点系统和某省级333节点主干网开展大规模训练与测试,通过对比实验、模型规模扩展测试与可视化分析,全面验证所提方法在准确性、可拓展性与可信性方面的优势。 展开更多
关键词 潮流计算 可信性评估 拓扑感知图Transformer 多任务学习 深度学习
暂未订购 下载PDF
基于多尺度特征融合与多任务学习的短期风电功率预测方法 认领 引用 被引量：1
12
作者 杨茂 代博祉 +3 位作者 马志远 王勃 王钊 苏欣 《电力自动化设备》 EI CSCD 北大核心 2026年第5期110-117,共8页
为解决广域空间尺度下高维气象特征导致的风电场集群功率预测的高复杂度建模问题,提出一种基于多尺度特征融合与多任务学习的短期风电功率预测方法,其中多尺度特征融合实现了全局、集群、场站3种尺度的特征融合。从全局、集群、场站3个... 为解决广域空间尺度下高维气象特征导致的风电场集群功率预测的高复杂度建模问题,提出一种基于多尺度特征融合与多任务学习的短期风电功率预测方法,其中多尺度特征融合实现了全局、集群、场站3种尺度的特征融合。从全局、集群、场站3个角度分别构建特征提取模块,并基于全局块级注意力与动态混合的稀疏图注意力降低模型的复杂度,提高运算效率;将集群预测任务分解为直接预测、间接预测、融合预测3个任务,通过多任务学习实现集群预测。将所提方法应用于吉林省某风电集群,结果表明,所提方法可以有效提升模型的运算效率和风电功率的预测精度。 展开更多
关键词 风电 风电场集群 功率预测 特征提取 多任务学习 Transformer 图注意力
暂未订购 下载PDF
基于协作语义融合的多智能体行为决策方法 认领 引用 被引量：1
13
作者 段鹏婷 温超 +1 位作者 王保平 王珍妮 《计算机科学》 CSCD 北大核心 2026年第1期252-261,共10页
多智能体行为决策方法,为工程应用领域,特别是协作任务下的智能体控制提供了广泛的应用前景。基于策略梯度的强化学习方法能够对智能体策略分布进行直接建模,更有利于复杂奖励机制下的策略多样性探索,在离散和连续空间中均能够提供较高... 多智能体行为决策方法,为工程应用领域,特别是协作任务下的智能体控制提供了广泛的应用前景。基于策略梯度的强化学习方法能够对智能体策略分布进行直接建模,更有利于复杂奖励机制下的策略多样性探索,在离散和连续空间中均能够提供较高的经验效能。基于策略梯度的多智能体联合策略生成通常采用参数共享等机制提升收敛效率,然而,这种机制缺乏对行为语义的建模,难以有效克服行为趋同性问题。针对该问题,从图建模的视角提出了一种基于协作语义融合(Collaborative Semantics Fusion,CSF)的行为序列预测方法。CSF方法利用图自编码器学习行为空间语义关系,获取相关性感知的行为语义嵌入;通过智能体行为特征与语义嵌入的交互实现信息融合。这种融合方式将具有协作关系的行为信息聚合于特定智能体的行为表示,实现多个智能体行为相互依赖的策略空间探索。在星际争霸和谷歌足球环境的多个复杂任务场景中开展实验,结果表明,CSF方法明显优于现有先进算法,验证了所提方法可以实现智能体间的高效协作。 展开更多
关键词 多智能体强化学习 图自编码器 语义关系 特征融合 行为决策
暂未订购 下载PDF
基于多视图图学习的矿产靶区智能预测 认领 引用
14
作者 龚成杰 柳炳利 +4 位作者 曹昌杰 孔韫辉 李程 王政尧 周仲礼 《矿物岩石地球化学通报》 CAS CSCD 北大核心 2026年第3期760-775,共16页
针对复杂成矿区多源地学信息耦合关系复杂、已知矿化样本有限及预测结果稳定性不足等问题,本文以西藏拉萨地区为研究对象,提出一种融合多视图图建模与自监督学习的成矿远景预测方法。该方法将空间邻接关系、地球化学属性相似性及反映构... 针对复杂成矿区多源地学信息耦合关系复杂、已知矿化样本有限及预测结果稳定性不足等问题,本文以西藏拉萨地区为研究对象,提出一种融合多视图图建模与自监督学习的成矿远景预测方法。该方法将空间邻接关系、地球化学属性相似性及反映构造与岩浆活动背景的连续指标统一构建为多视图图结构,并在残差式GraphSAGE框架中引入跨视图一致性自监督约束,实现对弱标注样本结构信息的充分挖掘。基于少量监督样本引导的半监督学习机制,模型能够稳定刻画区域成矿潜势分布特征。实验结果显示,所提方法在AUPRC和AUROC等指标上优于对比模型,预测结果在空间上与主要控矿构造、岩浆岩分布及多元素地球化学异常具有良好一致性。研究结果表明,该方法在弱标注复杂成矿区的成矿远景评价与靶区优选中具有较高应用潜力。 展开更多
关键词 成矿远景预测 图神经网络 多视图图建模 自监督学习 拉萨地区
暂未订购 下载PDF
基于多源特征融合的工业过程微小故障诊断 认领 引用 被引量：2
15
作者 万银 刘丁 任俊超 《控制与决策》 EI CSCD 北大核心 2026年第2期566-576,共11页
微小故障的早期识别对生产安全与产品品质至关重要,但其信号微弱,易受噪声干扰,难以人工检测,导致传统诊断方法难以有效应对.对此,提出一种基于多源特征融合的工业过程微小故障智能诊断方法——基于图卷积与门控循环单元的注意力融合建... 微小故障的早期识别对生产安全与产品品质至关重要,但其信号微弱,易受噪声干扰,难以人工检测,导致传统诊断方法难以有效应对.对此,提出一种基于多源特征融合的工业过程微小故障智能诊断方法——基于图卷积与门控循环单元的注意力融合建模方法(GCN-GRU-A).首先,采用格拉姆角场(GAF)技术在每一时刻将多维传感器数据组合成一维向量并生成对应的格拉姆角和场(GASF)图像,以充分挖掘数据的空间结构特征,再借助图卷积网络(GCN)对其进行深层次空间特征提取;其次,利用门控循环单元(GRU)对原始时序信号进行特征提取,获取其时间演化规律;然后,通过多头注意力机制对空间和时序两路特征进行加权融合,进一步强化关键故障信息的表达能力,抑制冗余噪声;最后,融合特征被输入至分类器,实现微小故障类型的精准识别.通过直拉(CZ)法硅单晶生长过程对所提出算法的有效性进行验证.结果表明,所提出的GCN-GRU-A建模方法在多项关键指标上均优于传统单一特征建模方法,显著提升了微小故障的检测灵敏度和诊断鲁棒性. 展开更多
关键词 微小故障诊断 多源特征融合 图卷积网络 门控循环单元 注意力机制 工业过程
暂未订购 下载PDF
基于改进MHGAT的小样本滚动轴承故障诊断方法 认领 引用
16
作者 王玉静 姚丽洋 +3 位作者 康守强 王庆岩 梁欣涛 谢金宝 《振动．测试与诊断》 EI CSCD 北大核心 2026年第4期735-745,937,共11页
针对实际工程中滚动轴承带标签故障样本获取困难,以及不同工况下滚动轴承样本特征分布差异大的问题,提出一种改进多头图注意力网络(muti-head graph attention network,简称MHGAT)的小样本滚动轴承故障诊断方法。首先,利用快速傅里叶变... 针对实际工程中滚动轴承带标签故障样本获取困难,以及不同工况下滚动轴承样本特征分布差异大的问题,提出一种改进多头图注意力网络(muti-head graph attention network,简称MHGAT)的小样本滚动轴承故障诊断方法。首先,利用快速傅里叶变换构建轴承频域样本集,根据元学习训练策略将样本集按多个任务划分,每个任务内的样本集细分为支持集和查询集;其次,引入高斯原型模块和斯皮尔曼算法改进多头图注意力网络,完成支持集、原型集和查询集样本间的连接,实现轴承频域样本有向图的构造;然后,将有向图输入多头图注意力网络的图注意力层,以提取轴承状态特征;最后,在任务内外循环过程中分别引入仿射变换和任务辅助损失,完成循环多次交替迭代,得到滚动轴承故障诊断模型。实验结果表明,所提方法在16组不同规格小样本实验任务和3个数据集小样本实验任务下,平均诊断准确率分别为98.75%和95.77%,性能均优于对比方法。 展开更多
关键词 小样本 多头图注意力网络 元学习 滚动轴承 故障诊断
暂未订购 下载PDF
基于样本互补锚点图的缺失多视图聚类算法 认领 引用 被引量：1
17
作者 刘小兰 徐宇鸿 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第2期16-24,共9页
随着多视图数据在现实场景中得到广泛应用,如何处理缺失视图下的聚类问题已成为机器学习领域的重要挑战。传统锚点图聚类算法依赖完整实例构建锚点图,这导致其在高缺失率下因锚点不足难以表征数据结构,在低缺失率时又无法发挥锚点的优... 随着多视图数据在现实场景中得到广泛应用,如何处理缺失视图下的聚类问题已成为机器学习领域的重要挑战。传统锚点图聚类算法依赖完整实例构建锚点图,这导致其在高缺失率下因锚点不足难以表征数据结构,在低缺失率时又无法发挥锚点的优势。针对传统锚点图聚类算法中存在的锚点选择受限、权重分配僵化和计算复杂度高的问题,该文提出了一种基于样本互补锚点图的缺失多视图聚类算法(IMVC-SAC)。该算法首先设计跨视图锚点互补机制,通过在共有样本与视图特有样本中自适应选取锚点,以解决高缺失率下数据结构表征不足的问题;然后建立缺失模式感知的权重模型,依据样本的缺失模式与程度调整视图对相似矩阵的贡献度;最后利用双随机非负矩阵可分解特性,将谱聚类的时间复杂度从样本规模的立方阶复杂度优化至线性阶复杂度。在5个公开数据集上的实验结果表明,该算法的聚类性能优于目前主流算法,尤其在高缺失率下仍能保持较好的聚类效果,验证了其鲁棒性与有效性。 展开更多
关键词 缺失多视图聚类 锚点图 样本互补 相似矩阵融合 谱聚类
暂未订购 下载PDF
基于WL图核的多通道图Kolmogorov-Arnold网络 认领 引用
18
作者 王静红 李鹏超 +1 位作者 米据生 王威 《计算机科学》 CSCD 北大核心 2026年第4期224-234,共11页
图神经网络作为一种新兴的深度学习方法,能够有效建模和表示图结构数据,在各种图学习任务中表现优异。然而,现有的图神经网络大多聚焦于单一通道图卷积,未能充分利用现实世界图数据中丰富多样的关系信息。为深入挖掘图数据中的多关系特... 图神经网络作为一种新兴的深度学习方法,能够有效建模和表示图结构数据,在各种图学习任务中表现优异。然而,现有的图神经网络大多聚焦于单一通道图卷积,未能充分利用现实世界图数据中丰富多样的关系信息。为深入挖掘图数据中的多关系特征并提升图神经网络的建模能力,提出了一种基于Weisfeiler-Lehman(WL)图核的多通道图Kolmogorov-Arnold网络(KMCGKN)。该方法通过提取节点领域子图并借助WL图核方法构建特征图,且将原本图卷积层中的特征变换函数替换成Kolmogorov-Arnold网络,然后利用两个图卷积网络通道分别学习不同关系图的特性,从而得到图的特征编码和结构编码。同时,通过多视图损失确保通道间的差异性,缓解了深层模型的过拟合问题。在6个节点分类公开数据集上进行了评估,实验结果表明,KMCGKN方法在节点分类任务上的性能优于单通道GCN及其他基准模型,有效提升了图神经网络的建模与表示能力。 展开更多
关键词 图神经网络 WL图核 Kolmogorov-Arnold网络 多通道图学习 节点分类
暂未订购 下载PDF
基于多头自注意力图卷积网络的电力系统预想扰动下频率安全在线分析 认领 引用 被引量：4
19
作者 石重托 韦善阳 +2 位作者 姚伟 张雨润 文劲宇 《电网技术》 EI CSCD 北大核心 2026年第3期986-998,I0022-I0024,共13页
现代电力系统中新能源和电力电子装备渗透率的不断提高使其表现出明显的低惯量特性,在遭受大容量有功扰动事件后频率失稳风险剧增。为此,需在系统稳态运行时针对预想扰动对系统频率安全性进行在线实时的评估,以及时发现潜在频率安全风险... 现代电力系统中新能源和电力电子装备渗透率的不断提高使其表现出明显的低惯量特性,在遭受大容量有功扰动事件后频率失稳风险剧增。为此,需在系统稳态运行时针对预想扰动对系统频率安全性进行在线实时的评估,以及时发现潜在频率安全风险,指导后续频率安全预防控制。提出一种基于多头自注意力图卷积网络(transformer-graph convolutional network,Tr-GCN)的频率安全在线智能分析模型,并设计了包含系统稳态运行方式信息和预想扰动信息的混合输入特征集,可适用于二者各种组合下的频率响应指标预测。该模型基于电网拓扑结构对扰动位置和扰动量进行更合理的编码和计算。此外,通过引入多头自注意力机制,使模型有选择性地关注更重要的信息,提高模型表达能力和预测精度。以含新能源的IEEE-39节点系统和中国东北电网(2131节点)为例进行算例研究,验证了所提方法的准确性、有效性和可扩展性。 展开更多
关键词 电力系统安全稳定 频率安全分析 预想扰动 图卷积网络 多头自注意力机制
暂未订购 下载PDF
基于概念共现的多层图对比认知诊断模型 认领 引用
20
作者 肖奎 王自明 +5 位作者 郑乐乐 张淼 李志飞 张䶮 陈昊 王时绘 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2026年第2期67-81,共15页
【目的】现有的认知诊断模型过于依赖知识概念之间的先决关系与相似关系,导致认知诊断模型在教育领域中面临自动化建模困难、关系稀疏及评估标准缺失等挑战。为解决这些问题,本研究提出了一种基于知识概念共现关系的多层图对比认知诊断... 【目的】现有的认知诊断模型过于依赖知识概念之间的先决关系与相似关系,导致认知诊断模型在教育领域中面临自动化建模困难、关系稀疏及评估标准缺失等挑战。为解决这些问题,本研究提出了一种基于知识概念共现关系的多层图对比认知诊断模型。【方法】首先,基于概念共现关系和相关共现关系构建知识概念双图谱;其次,采用多层图对比学习方法实现跨图概念节点嵌入的迭代增强;最后,将增强概念嵌入与学生-习题交互特征融合输入诊断函数中生成诊断结果。【结果】在ASSISTments09、MAT2016和EdNet-1三个真实教育数据集上的实验表明,所提模型提升了诊断性能。以ASSISTments09和EdNet-1为例,模型的最优AUC分别达80.14%和73.74%,相比同数据集的最佳基线模型,分别提升了1.64%和1.32%,且各模型的可解释性也优于基线模型。【局限】当前模型在处理习题结构相对简单、仅涉及单一知识点的场景时,可能无法充分发挥共现关系建模的优势。【结论】基于概念共现关系的多层图对比认知诊断模型通过知识概念关系图构建与自适应的对比增强机制,有效捕获知识点间复杂的关联特性,实验结果证明了模型显著提升了知识状态预测的准确性。 展开更多
关键词 认知诊断 概念共现关系 多层图对比学习 图神经网络
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 109 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈