针对在轨卫星异常检测中现存的异常定义单一、检测流程不规范不灵活的问题,提出一种基于长短期记忆(Long-Short Term Memory,LSTM)网络和多种异常定义的卫星异常检测方法。基于某在轨卫星实测电源遥测数据,首先进行卫星时序数据预处理,...
详细信息
针对在轨卫星异常检测中现存的异常定义单一、检测流程不规范不灵活的问题,提出一种基于长短期记忆(Long-Short Term Memory,LSTM)网络和多种异常定义的卫星异常检测方法。基于某在轨卫星实测电源遥测数据,首先进行卫星时序数据预处理,随后以LSTM为示例算法对数据的"正常值"进行预测,最后分别以测试数据均值的标准差、预测结果均值的标准差和非参数动态阈值作为异常定义,进行异常的联合投票检测,检测流程可容纳丰富的预测算法和异常定义,且流程模块间耦合度低。仿真结果表明,LSTM模型预测结合多异常定义的联合投票机制能有效提升异常点检测的性能。
WS-BPEL(business process execution language for Web service)是一种基于XML的、面向过程的可执行服务组装语言.由于Web服务的动态性、松耦合特性、部署与运行于开放的网络环境,如何保证WS-BPEL程序的可靠性尤显重要.尽管变异测试具...
详细信息
WS-BPEL(business process execution language for Web service)是一种基于XML的、面向过程的可执行服务组装语言.由于Web服务的动态性、松耦合特性、部署与运行于开放的网络环境,如何保证WS-BPEL程序的可靠性尤显重要.尽管变异测试具有较强的故障检测能力,但由于变异体数量大、执行时间长、计算开销大,不利于在实践中广泛应用.为了增强变异测试的实用性,针对如何降低面向WS-BPEL程序的变异测试开销问题,从二阶变异和变异算子优先级角度提出了2种面向WS-BPEL程序的变异测试优化技术,开发了相应的集成化支持工具μBPEL.使用6个WS-BPEL程序实例对提出的优化技术的有效性进行验证.实验结果表明:提出的优化技术可以有效地减少变异体数目而并不显著降低变异测试有效性,提高了变异测试的效率.
针对中医事件抽取过程中存在事件论元边界模糊的问题,综合运用卷积神经网络、双向长短期记忆网络和注意力机制提出了一种局部与全局语义特征融合的事件抽取模型(event extraction model integrating local and global semantic feature,...
详细信息
针对中医事件抽取过程中存在事件论元边界模糊的问题,综合运用卷积神经网络、双向长短期记忆网络和注意力机制提出了一种局部与全局语义特征融合的事件抽取模型(event extraction model integrating local and global semantic feature,EE-LGSF),以提升中医事件抽取的效果。首先,通过结合不同滤波窗口大小的卷积神经网络提取文本的多维度局部特征信息,同时利用双向长短期记忆网络捕捉文本的全局特征信息;其次,通过门控机制实现局部与全局信息的动态交互,以增强对论元边界的识别能力;再次,引入模糊跨度注意力机制,动态调整注意力范围,从而优化论元跨度的决策过程;最后,以条件随机场进行标签预测。结果表明,所提模型比相关模型在中医医案数据集上的F1值提升了3.0~11.0个百分点,在解决中医事件抽取问题方面表现更为优异。所提模型能有效利用文本局部和全局语义信息,提高对文本跨度学习的灵活性来增强模型对论元边界的识别能力,从而获得更好的中医事件抽取效果,对中医知识传承和发展具有参考价值。
暂无评论