基于双向图神经网络的变压器故障知识图谱构建

变压器故障诊断知识图谱对电力系统高效运行、有序维护具有重要的指导意义。提出一种自顶向下的知识图谱构建方法。首先根据智能运维的需求构建知识图谱本体层,集成了变压器故障现象、原因、位置等信息;然后根据本体层对文本进行标注,形成训练数据集;构建了一个实体关系联合提取模型,用堆叠双向长短期记忆网络提取字符依赖性特征,用条件随机场实现实体识别,用多头选择机制判别实体间的关系,同时将双向图卷积网络引入关系推理,根据关系特征纠正错误的实体关系。对比实验、消融实验的结果证明了该方法的优越性。所开发的相应软件,可提供线上知识图谱构建、查询等服务,实现了基于知识图谱的辅助决策,提升了决策的可解释性以及决策效率。

一种LDPC码双向图环路检测新算法

对一种计算通信网节点间全部路由的逻辑代数化算法进行改进,提出一种LDPC码双向图环路检测新算法.算法遵循逻辑代数运算规则,由LDPC码校验矩阵构造双向图的邻接矩阵,并对邻接矩阵中行与行之间进行整合与删除运算以及部分元素的修正运算,对于码长为n,信息位为k的LDPC码只需(n-1)×k次整合和删除运算及k次元素修正运算,就能得到该双向图中所有的环路.通过算例详细说明算法的计算过程,并验证其正确性和合理性.

一种面向加权双向图的聚类发掘方法

加权双向图是一种表达具有连接关系的科学和工程问题中的信息的比较准确的方式,加权双向图上聚类发掘的研究具有重要意义.本文提出一种面向加权双向图的聚类发掘方法,它通过定义双向边的调整权和节点的调整度,充分利用加权双向图上边的权值信息和方向信息,比较准确地描述了节点对之间的结构相似性,从而比较好地实现了加权双向图上的聚类发掘.对比实验表明本文方法的聚类发掘结果在聚类质量评价指标上具有更好的表现.

基于输入交换队列的双向图匹配调度算法的协议模型表示

针对基于定长分组(信元)双向图匹配的输入队列交换机调度算法,提出了算法的统一符号表示与描述方法及其实例.

双向图覆盖的启发式离散度求解

为了解决大容量存贮器制造过程中因各种原因造成的成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法．该问题一般被归结为双向图的覆盖问题，且其复杂度被证明为ＮＰ．为加快求解速度，可以采用启发式算法求解．本文提出一种新的启发式算法求解，可以降低该问题的复杂度，提高修复效率．

基于双向图算法的快速部分汉语语法分析器

本文给出了一个用双向图算法实现的快速部分汉语语法分析器．为了实现真实文本的快速部分语法分析，分析器使用ＦＩＲＳＴ分析表和ＬＡＳＴ分析表来更大程度地避免创建不必要的活动弧，并且引进了弧的竞争机制和对于一些情况的处理方法．使用了各种分析策略的分析器的准确率达到８７．２％。

基于语料库的双向图算法效率改进

双向图算法是一种灵活性极佳的句法分析算法,已被广泛应用于自然语言处理领域.然而,与某些同类算法比较,它在效率上存在一定的缺陷.针对这一点,该文提出了一种以语料库的统计信息为基础的改进效率方案,并提供了多种从不同类别的语料中提取所需信息的方法.

基于双向自适应门控图卷积网络的交通流预测

针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑交通流特征信息,做好数据准备。考虑交通流的实际有向性,主体模型采用正、反双路网络设计以分向学习交通流时空特征的有效表示。双路网络结构相同,以轻量有效的因果卷积作为模型的时序特征提取器,以多层自适应门控图卷积神经网络作为模型组件提取空间特征,实现信息的自适应聚合与传播,再通过纵向信息聚合层轻量化地实现不同局部视野下的信息融合,基于注意力有效权衡两路网络的信息贡献并将其聚合,建立双向自适应门控图卷积网络交通流预测模型。在真实交通流基准数据集PEMS03、PEMS04、PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在4个数据集上3个预测精度指标均优于基线模型。同时,相较于最先进的基线模型时空同步图卷积网络与时空融合图神经网络,所建模型能以数倍甚至数十倍比例的参数轻量化与低训练时间代价获得更高的预测精度。

基于脚点热度图和双向连接图的遥感影像建筑物提取方法

目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;利用另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。

面向图嵌入的改进图注意机制模型

针对图神经网络模型学习图嵌入节点表示过程中易丢失大量特征信息及其图拓扑保留不完整的问题,提出了一种改进的图注意力(graph attention)机制模型。该模型分为节点级双向注意力机制和图级自注意图池化两部分。在学习图节点新的特征向量表示过程中,采取计算双向图注意力权重的方式,为邻域节点的保留提供可靠选择的同时增强节点间的相似属性;在图的整体拓扑上结合自注意图池,使用节点特征向量作为输入,通过注意卷积层提供的自注意权重在池化层生成图嵌入表示;在Cora、Citeseer、Pubmed数据集上进行了测试,实验结果表明:相比于基准图注意力机制模型,改进模型能够充分考虑图的局部和整体结构特征,有效增强模型聚合邻域信息的能力,减少了图嵌入过程中原始特征的丢失,明显提升了模型在下游任务的表现性能。

蛋白质双向电泳图谱的计算机处理和数量化分析

本文叙述了通过计算机硬件和软件的方法,对蛋白质的二维电泳图谱进行图像处理和数量化分析的工作.采用计算机图像处理的方法从电泳图谱的斑点图中抽取有用的信息,采用图像分析技术确定电泳图谱蛋白斑点的强度,比较几个凝胶的斑点图案.图谱的计算机处理和数量化分析技术,在许多生物物理和生物化学的研究中都可以应用,以给研究工作带来帮助.

基于双向加权图的社交网络用户可信度算法研究

社交网络平台,为人们提供了更为便捷的交流平台,微博、微信、QQ等已经成为很多人生活中不可或缺的一部分。社交网络中蕴含的商业开发、舆情分析等社会价值,使得针对社交平台的用户关系分析技术成为网络用户行为分析的热点。文章针对社交网络用户关系分析问题,依据人类学中的150定律和六度空间理论,制定能够有效反应用户社交关系的用户关系图生成规则,构建用户关系有向加权图;利用局部最小路径搜索算法,计算以指定用户为根节点的"朋友圈"中该用户与其他用户之间的可信度,形成对特定用户群体内部关系可信度的整体认知,为以特定用户为中心的新用户推荐和个性化信息推送等提供决策依据。

用双向行邻接图识别电路图

本文围绕处理和识别用扫描方法输入到计算机中的电路图之主题,讨论了利用双向行邻接图结构描述和处理光栅数据,并在该结构的基础上进一步讨论线条识别、符号识别以及细节处理等问题。本项研究工作付之应用,可大大减少集成电路计算机辅助设计的工作量,为版图验证、逻辑模拟和故障分析提供了方便。

基于DFS的图的双向连通性研究

提出了一个基于DFS的图双向连通性研究的简单算法,本算法具有容易理解、形式规范的特点,无论用于教学还是解决实际问题,都有较大的实用价值。

基于边权重图神经网络的一阶逻辑前提选择

为提高自动定理证明器在大规模问题中证明问题的能力,前提选择任务应运而生.由于公式图的有向性,主流的图神经网络框架只能单向地对节点进行更新,且无法编码公式图中子节点间的顺序.针对以上问题,提出了带有边类型的双向公式图表示方法,并提出了一种基于边权重的图神经网络(edge-weight-based graph neural network,EW-GNN)模型用于编码一阶逻辑公式.该模型首先利用相连节点的信息来更新对应边类型的特征表示,随后利用更新后的边类型特征计算邻接节点对中心节点的权重,最后利用邻接节点的信息双向地对中心节点进行更新.实验比较分析表明:基于边权重的图神经网络模型在前提选择任务中表现得更加优越,其在相同的测试集上比当前最优模型的分类准确率高了约1%.

特定的竞赛图是哈密顿图

证明了命题“竞赛图D =(V ,E) ,顶点的个数 V =n为奇数 ,对 v∈V ,d+(v) =d-(v) =n - 12 竞赛图是哈密顿图。

基于因子图求解(3,4=)-CNF公式类下可满足问题

合取范式(CNF)公式F是(3,4=)-CNF公式,如果F中每个子句的长度是3,每个变元出现的次数恰好为4次。与(3,4=)-CNF公式所关联的因子图是一类规则的二部图,即每个子句结点的度为3,每个变元结点的度为4,此类规则图被称为(3,4)-双向正则二部图。对于一个(3,4=)-CNF公式F,如果它关联的因子图GF有P7-路径因子,则F可满足。

基于图分解的(3,4)-CNF公式的可满足性

对于规则的(3,4)-CNF公式F,公式F对应的因子图GF恰好是一个(3,4)-双向正则二部图。利用正则二部图的有关性质,证明了对于任意的(3,4)-CNF公式F,若其对应的因子图GF能够被划分为两个(3,2)-双向正则二部图,则F是可满足的。

改进的SLIC超像素图像分割与合并算法

采用超像素实现图像分割,既保留了图像的局部信息,又降低了图像分割的计算复杂度。针对已有的SLIC算法在处理分辨率高的图像时存在实时性差和欠分割的问题,提出一种改进的SLIC图像分割与合并算法。利用像素间的相关性和像素抽样,降低算法的时间复杂度;对欠分割区域,采用基于纹理特征的Kmeans聚类方法进行修正;采用改进的区域邻接图对分割结果进行合并。实验结果表明:与已有的SLIC算法相比,所提出的算法在运算效率上提升了约22%,分割结果的准确率也有所提高。

异质无线传感器网络虚拟骨干重构

无线传感器网络的虚拟骨干是承担网络路由任务的结点组成的子集。当一个异质无线传感器网络故障时,原有的虚拟骨干可能就会失去部分功能,然而现有的容错虚拟骨干只能容纳顶点故障,无法解决只有链路故障但没有顶点故障的问题,且虚拟骨干大小会随故障顶点数量的增加呈超线性增加。针对上述问题,研究在异质无线传感器网络链路发生故障时的虚拟骨干重构问题。对于一个只有链路故障的异质无线传感器网络,设计一个虚拟骨干重构近似算法(ZREA22),寻找一个未被控制的点组成的集合,在该集合导出的子图中构造一个极大独立集,并向该极大独立集和原连通控制集中添加结点以形成一个重构的连通控制集。实验结果表明,ZREA22算法能够产生一个大小有界的连通控制集,且虚拟骨干大小相比于WFSK09和SHLO14算法至少减少了9%和31%,同时算法运行时间更短。