公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于磁链估计的PMSM无传感器矢量控制被引量：3: 2016年; 针对永磁同步电机的无传感器矢量控制,利用对磁链的估计,提出了一种转子位置、速度的估计方法.该方法通过测量的相电流和端电压估计电机的定子磁链,再利用定子磁链对估计位置进行校正.针对二阶多项式曲线拟合位置估计方法所存在的问题,又提出了引入锁相环结构来减小稳态估计误差.理论分析和仿真结果表明,所提出的永磁同步电机无速度传感器控制方法在低速和高速时都能精确辨识出转子的位置和速度,系统具有较好的鲁棒性和良好的动静态运行性能.; 王永晴雷景生刘大明; 关键词：无速度传感器控制磁链估计位置估计锁相环

基于改进Self-Attention的股价趋势预测被引量：2: 2021年; 近年来中国经济发展迅速,相应的,中国的金融市场也迅速发展,受到国内外投资者的关注,因此研究中国金融市场上股票价格趋势对学者、投资者和监管者具有重要的意义。随着量化交易等理念的兴起,越来越多的学者将深度神经网络(DNN)应用于金融领域。虽然近几年DNN在图像、语音以及文本等方面已经取得了极大的成功,但其在金融时间序列预测方面遇到了很多挑战,因为其数据本质上是高度动态性,且具有高噪声。作为DNN在时序数据处理的典型代表LSTM,由于该方法没有考虑不同时间点、不同来源数据的重要性程度,效果仍不理想。不同于在传统LSTM模型上引入Attention机制,通过改进Self-Attention模型,分别对日线数据和分时线数据进行编码并融合,学习资金流变化对股票趋势变化的影响。实验结果表明,所提方法将对趋势判断的准确率提高到63.04%,并在两个月的回测实验中获得了6.562%的收益,证明了该模型在股价趋势预测上具有一定的有效性和实用性。; 郑树挺徐菲菲; 关键词：金融时间序列股票价格预测

基于ArcReLU函数的神经网络激活函数优化研究被引量：18: 2019年; 近年来深度学习发展迅猛。由于深度学习的概念源于神经网络,而激活函数更是神经网络模型在学习理解非线性函数时不可或缺的部分,因此本文对常用的激活函数进行了研究比较。针对常用的激活函数在反向传播神经网络中具有收敛速度较慢、存在局部极小或梯度消失的问题,将Sigmoid系和ReLU系激活函数进行了对比,分别讨论了其性能,详细分析了几类常用激活函数的优点及不足,并通过研究Arctan函数在神经网络中应用的可能性,结合ReLU函数,提出了一种新型的激活函数ArcReLU。实验证明,该函数既能显著加快反向传播神经网络的训练速度,又能有效降低训练误差并避免梯度消失的问题。; 许赟杰徐菲菲; 关键词：神经网络激活函数

基于BTM模型和改进聚类算法的热点话题检测被引量：1: 2022年; 随着网络中出现大量的新闻内容,如何在短期内为用户及时发现新闻热点话题越来越受到学者们的关注。提出一种基于BTM模型和改进K-Means聚类算法的中文新闻话题检测模型。对网易新闻语料库引入BTM模型,发现与主题相关的话题词,从而推断热点话题;针对K-Means算法初始值敏感等问题,将基于共轭梯度的人工鱼群算法引入传统的K-Means算法;利用改进K-Means聚类算法对得到的话题词进行聚类。实验结果表明,所提方法与传统方法相比可有效、准确提高话题的准确性。; 徐菲菲陈赛红田宇; 关键词：K-MEANS聚类共轭梯度人工鱼群

基于注意力机制的Siamese-BiLSTM短文本相似度算法被引量：1: 2022年; 提出将注意力机制引入至孪生网络(Siamese Network)结构,通过注意力机制对句子中单词进行重要性评分,以双向长短时记忆网络(BiLSTM)作为基准系统,获得文本语义的深层次特征表示,从而有效地提升短文本相似度的准确率。实验采用通用公开标注数据集Quora语句对集和蚂蚁金服句对集,结果表明,与传统神经网络以及Siamese-Net网络相比,所提出的算法在短文本相似度总体效果上有明显提升,验证了所提算法的有效性。; 徐菲菲冯东升; 关键词：相似度

中文文本主题聚类算法研究综述被引量：3: 2021年; 相对于传统的纸媒体,网络媒体中的数据具有更新速度快、用户参与度高、覆盖面广等特点。如何协助用户在较短时间了解网络媒体中的主题信息,是一个亟待研究的领域。目前,文本主题聚类的研究技术还不够成熟,且在国内处于不断研究的阶段,尤其是在中文文本领域。对国内外主题检测研究现状、主题挖掘基本步骤、聚类算法的优缺点等方面进行了系统的概述,指出了当前研究方法的不足以及未来可研究的方向。; 徐菲菲陈赛红; 关键词：聚类中文文本主题检测主题挖掘

全选清除导出

共1页<1>

国家自然科学基金(61272437)