-
公开(公告)号：CN107832306A
公开(公告)日：2018-03-23
申请号：CN201711216768.2
申请日：2017-11-28
Applicant: 武汉大学
IPC: G06F17/27
CPC classification number: G06F17/277 , G06F17/2765
Abstract: 本发明属于自然语言处理中的相似文档挖掘问题，涉及到词嵌入表达、文档关键词提取、文档嵌入表达、高维空间中最近邻快速计算等技术领域。本发明提出了一种基于Doc2vec的相似实体挖掘方法。通过实体的描述文档，使用Word2vec词嵌入表达、TFIDF文档关键词提取、使用Doc2vec将实体描述文档转换为连续稠密的向量，使用Balltree数据结构，高效的挖掘相似实体。
-
公开(公告)号：CN107769972B
公开(公告)日：2019-12-10
申请号：CN201711010115.9
申请日：2017-10-25
Applicant: 武汉大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于改进的LSTM的电力通信网设备故障预测方法。本发明首先提出了数据预处理和构建时序输入的方法。LSTM相比简单的循环神经网络，更易于学习长期的依赖，能够很好的解决序列相关的预测问题。因为设备告警之间存在很强的关联性，通过PCA能够确保变量之间的独立性。本发明还使用目标复制的策略对LSTM进行改进，在时序每一步中都可以带来局部的误差信息，相比简单的只在最后一步进行目标输出，该策略能够提升模型的精度，降低过拟合的风险。结合dropout，本发明提出LSTM的预测模型，深度学习能够取得更好的预测精度。同时，本发明首次使用了LSTM对电力通信网告警数据进行建模，识别其内部的时序模式。
-
公开(公告)号：CN107769972A
公开(公告)日：2018-03-06
申请号：CN201711010115.9
申请日：2017-10-25
Applicant: 武汉大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于改进的LSTM的电力通信网设备故障预测方法。本发明首先提出了数据预处理和构建时序输入的方法。LSTM相比简单的循环神经网络，更易于学习长期的依赖，能够很好的解决序列相关的预测问题。因为设备告警之间存在很强的关联性，通过PCA能够确保变量之间的独立性。本发明还使用目标复制的策略对LSTM进行改进，在时序每一步中都可以带来局部的误差信息，相比简单的只在最后一步进行目标输出，该策略能够提升模型的精度，降低过拟合的风险。结合dropout，本发明提出LSTM的预测模型，深度学习能够取得更好的预测精度。同时，本发明首次使用了LSTM对电力通信网告警数据进行建模，识别其内部的时序模式。
-
公开(公告)号：CN107292431A
公开(公告)日：2017-10-24
申请号：CN201710429259.1
申请日：2017-06-08
Applicant: 国网江西省电力公司信息通信分公司 , 南京南瑞集团公司 , 国家电网公司 , 武汉大学
Inventor： 杨济海 , 伍小生 , 彭汐单 , 巢玉坚 , 李号号 , 蔡志民 , 王国欢 , 王华 , 付萍萍 , 李东 , 胡游君 , 邱玉祥 , 吕顺利 , 邓伟 , 刘皓 , 蔡新忠 , 查凡 , 王宏 , 丁传文 , 许胜 , 黄倩 , 李石君 , 余伟 , 李宇轩 , 陈雪莲 , 陈艳华 , 彭超
CPC classification number: G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明涉及基于动态贝叶斯网络的电力通信网业务可靠性预测方法，基于电力通信网的拓扑结构，针对影响业务可靠性的各种因素，结合市政信息，建立设备和光缆状态转化的马尔科夫模型，建立基于业务通道拓扑结构的业务可靠性动态贝叶斯网络模型，本发明具有以下优点：1、考虑业务主通道和备用通道的关系，更准确的预测了业务的可靠性。2、在建立设备和光缆状态模型的同时，同时引入了故障率和修复率的影响，更加符合电力通信网的实际情况。3、在计算设备和光缆的可靠性时，不仅考虑了自身状态的改变，同时结合环境、设备端口占有率的影响，而且还引入了光缆段市政信息的影响，使得结果更加准确。
-
-
-
Search Results
4
records
(took 0.014 seconds)
