排序方式: 共有115条查询结果,搜索用时 15 毫秒
71.
为了提高水稻病虫害问答的准确性、快捷性和智能性,构建一种基于word2vec和注意力机制(Attention)优化的Seq2Seq问答模型。采用爬虫技术获取网络问答数据2万余条,经Jieba分词对数据进行分词处理,去除停用词无用符号等。同时,为提高模型的准确率,采用word2vec中的Skip-Gram模型将句子中的词语进行转换,得到具有语义等信息的词向量,并将经word2vec训练得到的词向量与加入了Attention(注意力机制)的Seq2Seq(Sequence to Sequence,序列到序列)模型进行问答模型训练。试验选取20000条水稻病虫害问答数据,按照随机选取方式,将数据按7/1/2进行训练、验证与测试。将本研究的问答模型与Seq2Seq模型和仅加入Attention机制的Seq2Seq模型进行对比分析,以BLEU评分标准与问答正确率为判断依据。试验结果表明:采用加入了word2vec与Attention机制的Seq2Seq问答模型相比其他两种模型,其模型的测试结果更为准确。该模型在BLEU评分和问答准确率上均高于其他两种模型,BLEU评分与问答正确率分别为33.58%和71%。比其他两种问答模型分别提高22.34%、9.51%和28%、14%。本研究构建的问答模型显著地提高了问答的准确率,能较好地解决农户在水稻种植生产过程中遇到的难题。 相似文献
72.
为探索有效的稻穗识别特征选取方法,解决基于无人机数码影像水稻产量估测中图像颜色空间各个通道或指数对水稻穗识别能力不清的问题,利用2017年和2018年沈阳农业大学超级稻成果转化基地水稻试验田无人机高清数码影像、地面小区样方内水稻穗数量等实测数据,构建了水稻穗、叶、背景的3分类图像样本库,应用最优子集选择(Best subset selection)算法分析了RGB和HSV颜色空间各个通道或指数对水稻穗的识别能力,提取适合东北粳稻稻穗图像分割的7种特征参数,以此特征为输入构建了基于BP神经网络的稻穗分割模型,进一步对稻穗图像进行连通域分析,获取稻穗数量,并与地面实测数据进行比较。结果表明:最优子集选择算法获取的稻穗像素分割特征参数为R、B、H、S、V、GLI、ExG等7种,飞行高度为3 m时,稻穗分割效果最好,对应的交叉验证均方误差MSE为0.036 3;构建的稻穗分割模型可有效实现东北粳稻稻穗的提取,3、6、9 m飞行高度下,拍摄图像稻穗数量提取的均方根误差分别为9.03、11.21、13.10,平均绝对百分误差分别为10.60%、14.88%和17.16%。 相似文献
73.
分析了基于希尔伯特变换的移相法进行信号检测的工作原理,提出了利用移相法进行多种电能质量扰动实时检测的思路.基于在Madab环境下建立的检测平台,对电压骤升、电压骤降、电压中断、电压波动、瞬态振荡等多种电能质量扰动信号进行仿真检测,结果表明该方法可以满足对多种电能质量扰动信号检测的要求.且具有良好的实时性和准确性. 相似文献
74.
基于GIS的农村配电网络拓扑分析方法 总被引:1,自引:0,他引:1
本文在分析农村配电网络拓扑结构的基础上,结合GIS的数据特点,采用面向对象的方法分析了网络元件的拓扑关系,并用SQL Server 2005设计实现了农村配电网络的拓扑结构.同时,还以停电模拟的实现算法来说明拓扑分析的具体应用.经过实际应用表明.本文提出的基于GIS的农村配电网络拓扑分析方法能够正确描述系统的拓扑结构,具有很大的实用性和推广价值. 相似文献
75.
76.
77.
78.
电压骤降是一种典型的暂态电压扰动信号.分析了小波系数与Lipschitz指数的关系,将利用小波模极大值检测信号奇异性的方法应用到电压骤降信号的定位检测.仿真算例表明:该方法有效,能准确确定电压骤降的起止时刻,但在选择小波类型方面需要综合考虑其消失矩、正则性、支集长度. 相似文献
79.
研究了基于GIS平台的农村配电网络供电可靠性目标管理系统的实现。系统采用三层架构、拓扑编码和网络搜索的方法,提出了新的供电可靠率计算方法,可应用于供电可靠率实时计算与评估。确定了供电可靠率目标分解的影响因子,给出了目标分解的具体算法。根据上述方法.完成了GIS平台下供电可靠率计算评估与目标分解等功能的实现,对提高农村配电网络供电可靠性有实际价值。 相似文献
80.
基于Attention_DenseCNN的水稻问答系统问句分类 总被引:1,自引:0,他引:1
为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向量化处理,采用Word2vec方法能够有效地解决文本的高维性和稀疏性问题。对卷积神经网络(CNN)上下游卷积块之间建立一条稠密的链接,并结合注意力机制(Attention),使文本中的关键词特征得以充分体现,使文本分类模型具有更好的文本特征提取精度,从而提高了分类精确率。试验表明:基于Attention_DenseCNN的水稻问句分类模型可以提高文本特征的利用率、减少特征丢失,能够快速、准确地对水稻问句文本进行自动分类,其分类精确率及F1值分别为95.6%和94.9%,与其他7种神经网络问句分类方法相比,分类效果明显提升。 相似文献