非侵入式负荷分解对于节能减排、负荷调峰、智能用能等方面均具有重要的现实意义。针对目前非侵入式负荷分解方法在低频采样条件下(1 Hz及以下)分解准确率较低的问题,提出了一种基于卷积神经网络(convolution netural network,CNN)与长...非侵入式负荷分解对于节能减排、负荷调峰、智能用能等方面均具有重要的现实意义。针对目前非侵入式负荷分解方法在低频采样条件下(1 Hz及以下)分解准确率较低的问题,提出了一种基于卷积神经网络(convolution netural network,CNN)与长短期记忆网络(long short-term memory,LSTM)相结合的seq2seq的非侵入式负荷分解算法(seq2seq based on CNN and LSTM,seq2seqBCL)。该深度学习模型将功率时间序列作为网络的输入,通过CNN做特征提取。考虑到电力数据的时序性,增加了LSTM层进行电器识别,相比于NILMTK中seq2seq模型降低了网络层数,简化了网络结构。在REDD数据集上对算法性能进行了评估,所提出的算法提升了整个网络系统的性能,与FHMM、CO和传统seq2seq算法相比,负荷分解准确率有明显提升。展开更多
针对现有的数字化档案多标签分类方法存在分类标签之间缺少关联性的问题,提出一种用于档案多标签分类的深层神经网络模型ALBERT-Seq2Seq-Attention.该模型通过ALBERT(A Little BERT)预训练语言模型内部多层双向的Transfomer结构获取进...针对现有的数字化档案多标签分类方法存在分类标签之间缺少关联性的问题,提出一种用于档案多标签分类的深层神经网络模型ALBERT-Seq2Seq-Attention.该模型通过ALBERT(A Little BERT)预训练语言模型内部多层双向的Transfomer结构获取进行文本特征向量的提取,并获得上下文语义信息;将预训练提取的文本特征作为Seq2Seq-Attention(Sequence to Sequence-Attention)模型的输入序列,构建标签字典以获取多标签间的关联关系.将分类模型在3种数据集上分别进行对比实验,结果表明:模型分类的效果F1值均超过90%.该模型不仅能提高档案文本的多标签分类效果,也能关注标签之间的相关关系.展开更多
母猪的子宫和卵巢组织发育情况直接影响母猪的繁殖性能,进而对养猪业的经济效益造成重大影响。为探究姜曲海猪子宫和卵巢发育的分子机理,本研究选取1月龄和8月龄姜曲海猪各3头,利用转录组测序技术(RNA-Seq)对子宫和卵巢组织进行测序,通...母猪的子宫和卵巢组织发育情况直接影响母猪的繁殖性能,进而对养猪业的经济效益造成重大影响。为探究姜曲海猪子宫和卵巢发育的分子机理,本研究选取1月龄和8月龄姜曲海猪各3头,利用转录组测序技术(RNA-Seq)对子宫和卵巢组织进行测序,通过生物信息学手段筛选差异表达基因并进行基因本体(Gene ontology,GO)和京都基因和基因组百科全书(Kyoto ncyclopedia of genes and genomes,KEGG)富集分析,再与猪数量性状基因座(Quantitative trait locus,QTL)数据库比对后鉴定出重要的候选基因。结果显示,1月龄和8月龄姜曲海猪子宫组织中有1688个差异表达基因,表达上调和下调的基因各844个;卵巢组织中存在3833个差异表达基因,其中2831个表达上调,1002个表达下调。富集分析结果显示这些差异表达基因主要显著富集于动物器官发育、组织发育和细胞分化等生物学过程。本研究在子宫和卵巢组织中分别筛选出11个和31个与发育性状有关的候选基因,其中共有的候选基因有6个,分别为LHFPL1、MTUS2、LIF、RBP4、EPHB2和TESC。本研究结果为姜曲海猪子宫和卵巢发育分子层面的研究提供了参考,也为今后姜曲海猪繁殖性状的分子改良提供了新的研究方向。展开更多
文摘非侵入式负荷分解对于节能减排、负荷调峰、智能用能等方面均具有重要的现实意义。针对目前非侵入式负荷分解方法在低频采样条件下(1 Hz及以下)分解准确率较低的问题,提出了一种基于卷积神经网络(convolution netural network,CNN)与长短期记忆网络(long short-term memory,LSTM)相结合的seq2seq的非侵入式负荷分解算法(seq2seq based on CNN and LSTM,seq2seqBCL)。该深度学习模型将功率时间序列作为网络的输入,通过CNN做特征提取。考虑到电力数据的时序性,增加了LSTM层进行电器识别,相比于NILMTK中seq2seq模型降低了网络层数,简化了网络结构。在REDD数据集上对算法性能进行了评估,所提出的算法提升了整个网络系统的性能,与FHMM、CO和传统seq2seq算法相比,负荷分解准确率有明显提升。
文摘针对现有的数字化档案多标签分类方法存在分类标签之间缺少关联性的问题,提出一种用于档案多标签分类的深层神经网络模型ALBERT-Seq2Seq-Attention.该模型通过ALBERT(A Little BERT)预训练语言模型内部多层双向的Transfomer结构获取进行文本特征向量的提取,并获得上下文语义信息;将预训练提取的文本特征作为Seq2Seq-Attention(Sequence to Sequence-Attention)模型的输入序列,构建标签字典以获取多标签间的关联关系.将分类模型在3种数据集上分别进行对比实验,结果表明:模型分类的效果F1值均超过90%.该模型不仅能提高档案文本的多标签分类效果,也能关注标签之间的相关关系.
文摘母猪的子宫和卵巢组织发育情况直接影响母猪的繁殖性能,进而对养猪业的经济效益造成重大影响。为探究姜曲海猪子宫和卵巢发育的分子机理,本研究选取1月龄和8月龄姜曲海猪各3头,利用转录组测序技术(RNA-Seq)对子宫和卵巢组织进行测序,通过生物信息学手段筛选差异表达基因并进行基因本体(Gene ontology,GO)和京都基因和基因组百科全书(Kyoto ncyclopedia of genes and genomes,KEGG)富集分析,再与猪数量性状基因座(Quantitative trait locus,QTL)数据库比对后鉴定出重要的候选基因。结果显示,1月龄和8月龄姜曲海猪子宫组织中有1688个差异表达基因,表达上调和下调的基因各844个;卵巢组织中存在3833个差异表达基因,其中2831个表达上调,1002个表达下调。富集分析结果显示这些差异表达基因主要显著富集于动物器官发育、组织发育和细胞分化等生物学过程。本研究在子宫和卵巢组织中分别筛选出11个和31个与发育性状有关的候选基因,其中共有的候选基因有6个,分别为LHFPL1、MTUS2、LIF、RBP4、EPHB2和TESC。本研究结果为姜曲海猪子宫和卵巢发育分子层面的研究提供了参考,也为今后姜曲海猪繁殖性状的分子改良提供了新的研究方向。