基于BO-BiGRU-Attention短期电力负荷预测

电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循环单元和注意力机制(BO-BiGRU-Attention)的混合预测模型对短期电力负荷进行精准预测。首先,使用Min-Max Normalization方法对负荷数据进行归一化处理。其次,利用BiGRU网络捕获序列中的长期依赖关系和上下文信息,结合注意力机制,通过在输入序列的不同部分给予不同的权重,从而突出关键特征。最后,针对BiGRU-Attention模型的超参数难以选取最优解的问题,引入贝叶斯优化算法对BiGRU-Attention模型的超参数进行寻优,完成短期电力负荷的预测。采用印度北部某地区的电力负荷数据进行预测分析,仿真结果表明,BO-BiGRU-Attention网络表现优于其他模型,各误差评价指标最小,其中MAE、RMSE和MAPE分别为56.67,73.49和1.16%,预测精度达到了99.47%。

基于CEEMDAN-SBiGRU-OMHA的短期电力负荷预测

为了提高短期电力负荷预测的精准度,充分挖掘电力负荷数据的复杂相关性,提出了一种优化多头注意力机制的CEEMDAN-SBiGRU组合预测模型,改进了特征提取和特征融合两个模块.首先,采用自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将电力负荷数据分解成多个内在模态函数(IMF)和一个残差信号(RES);同时引入降噪自编码器DAE挖掘数据中受气象因素、工作日类型和温度变化的潜在特征.其次,将提取到的复杂特征输入至堆叠双向门控循环单元(stacked bidirectional gated recurrent unit,SBiGRU)模块中继续学习,以获取隐藏状态.最后,将获取的隐藏状态输入至加入残差机制和层归一化优化的多头注意力(optimized multi-head attention,OMHA)机制模块,可以准确地给重要特征分配更高的权重,解决噪声干扰问题.实验结果表明,CEEMDAN-SBiGRU-OMHA组合模型具有更高的精确性.

基于LSTM的智能手机3D手写识别

针对传统传感器需要在特定的空间区域内才能进行人机交互,极易受到外部环境因素干扰的问题,提出一种新的基于长短时记忆神经网络(LSTM)的智能手机3D空间手写识别方法,用于非特定三维空间中实现的人机交互.首先,利用智能手机内置三轴加速度传感器,采集手部运动数据,并将采集的数据进行预处理操作,构建3D手写识别数据集;然后,基于LSTM构建3D手写识别模型,并利用构建的数据集进行训练;最后,利用训练后的模型实现智能手机的3D手写分类识别.通过在本文自建的非依赖用户数据集上进行测试,实验结果表明,该识别方法可以实现86.4%的准确率,88.1%的召回率,88.4%的精准率和88.0%的F_(1)分数.

多层防火墙技术的研究与应用

分析了在多层网络应用中设计防火墙的技术。集中讨论了把资源严格划分给特定子网的条件,解释了如何通过防火墙加强各应用层的访问控制,满足多层网络应用的技术需求。并给出在甘肃工业大学网络安全设计中的应用实例。

基于改进的高斯混合模型牙齿图像分割研究

针对边界模糊和对比度低的口腔CT图像中牙齿目标区域提取难的问题,提出了一种基于高斯混合模型与K-均值的改进聚类分割算法.该算法首先通过各向异性滤波对图像预处理,实现去噪平滑的同时增强图像的细节;然后利用K-均值完成初始划分,并根据分类后的像素值给出EM算法迭代的初始值,加快算法迭代到最优解,从而大大降低算法迭代次数,有效解决EM算法求解参数时随机选取初值点易导致GMM陷入局部最优解的问题,进而使分割区域完整;最后利用EM算法学习GMM,完成ML分割.实验结果表明:改进方法降低了计算复杂度,对噪声具有较强的鲁棒性,可获得更为理想的分割结果.

Web交互式远程视频系统的设计与应用

分析了远程视频系统的关键技术 ,介绍了 IP/ TV和 Real System软件系统的工作机理和特性 ,并提出了 Web交互式远程视频系统的设计方案 ,最后给出了本视频系统在甘肃工业大学校园网中的应用实例 .

面向多模态情感分析的双模态交互注意力

针对现有多模态情感分析方法中存在情感分类准确率不高,难以有效融合多模态特征等问题,通过研究分析相邻话语之间的依赖关系和文本、语音和视频模态之间的交互作用,建立一种融合上下文和双模态交互注意力的多模态情感分析模型。该模型首先采用双向门控循环单元(BiGRU)捕获各模态中话语之间的相互依赖关系,得到各模态的上下文信息。为了学习不同模态之间的交互信息,提出了一种双模态交互注意力机制来融合两种模态的信息,并将其作为条件向量来区分各模态信息对于情感分类的重要程度;然后结合自注意力、全连接层组成多模态特征融合模块,挖掘模态内部和模态之间的关联性,获得跨模态联合特征。最后,将得到的上下文特征和跨模态联合特征进行拼接,经过一层全连接层后馈送至Softmax进行最终的情感分类。在公开的多模态情感分析数据集CMU-MOSI上对所提出的模型进行评估,实验结果表明,相比现有模型,该模型在多模态情感分类任务上的表现是有效的和先进的。

一种改进的BGP路由收敛算法

针对BGP路由协议慢收敛严重影响Internet性能的问题,研究BGP路由的收敛时间,分析造成路由收敛延迟的原因,在简单路径向量协议SPVP模型的基础上提出改进BGP路由模型及其算法.通过检测AS失效链路的根源节点来提高BGP路由收敛速度,减少路由更新消息开销,改进后的Tdown收敛时间上限值下降为O(d).并且在不同节点数的全连接网络拓扑中进行仿真试验,证实所得结论的正确性.

基于SPVP协议的BGP路由收敛算法

针对Internet域间路由慢收敛问题,提出基于简单路径向量协议(SPVP)的BGP路由收敛算法。分析该算法在4种全接连网络拓扑中的Tdown收敛边界值得出,通过检测域间失效链路的根源节点能有效减少路由收敛时间和更新消息开销。SSFNet仿真结果表明,该算法收敛时间上限为O(d)。

BGP网络故障模型与检测算法

BGP网络故障严重影响自治系统间的网络性能,根据Internet中观测点获得的BGP路由信息,描述域间路由系统的BGP网络模型,建立BGP故障事件模型,为BGP网络的拓扑变化提供一种简明的描述方式.根据高度时间相关性的BGP路由事件触发的网络拓扑变化,提出查找故障链路的近似算法.提出的BGP网络故障查找模型和算法能够比较准确地检测Internet域间路由系统中的路由异常事件.

BGP网络故障的建模与研究

BGP网络故障严重影响自治系统间的网络性能,根据Internet中观测点获得的BGP路由信息,描述了域间路由系统的BGP网络模型,并建立了BGP故障事件模型,为BGP网络的拓扑变化提供了一种简明的描述方式,为BGP网络故障检测提供了模型基础。

智能防火墙技术的研究

介绍了目前常见的Internet网络攻击手段和原理,分析了网络安全技术中防火墙技术的特性和工作机理,并提出了新一代智能型防火墙系统运行结构,最后给出几点网络安全技术的建议.

基于Mobile Agent的入侵检测系统模型的研究

提出了一个基于MobileAgent技术的入侵检测系统模型.该模型采用传送Agent实现关键主机的隐藏,提高系统的抗攻击性;采用分区域管理增强系统的扩展性及适应性;在CIDF通信协议下,采用协作Agent实现多个入侵检测系统的协同工作.此外,还对模型的优缺点做了分析,为将来MobileAgent在入侵检测系统中的应用提供一定的依据.

基于广义随机Petri网的SIP的吞吐量性能研究

基于模型方法和软件仿真方法,对会话初始化协议(SIP)连接建立时的吞吐量进行了性能分析。首先在详细分析会话初始化协议(SIP)的服务工作过程的基础上,建立了SIP的广义随机Petri网模型(SPN),利用工具SPNP6.0进行了模拟分析。考察协议建立会话过程中,网络建立连接请求数较少和连接请求压力较大时系统吞吐量的变化,从而可以针对不同的连接请求情况实施相应的SIP服务策略。

基于机群技术的WEB智能交通系统研究

介绍了智能交通系统的概念和相关技术,并对现有智能交通系统的构架进行分析,提出了构建基于机群技术的智能交通系统解决方案和技术路线。同时也对智能交通系统中数据安全和高可用性进行了讨论和研究。