提出調(diào)度命令智能生成模型,該模型由神經(jīng)網(wǎng)絡(luò)和調(diào)度命令修正模塊兩部分組成�；陂L(zhǎng)短時(shí)記憶(LSTM)網(wǎng)絡(luò)構(gòu)建序列-序列(seq2seq)模型,將預(yù)警文本信息作為模型的輸入進(jìn)行訓(xùn)練,提出五種調(diào)度命令修正策略并分別對(duì)五種易錯(cuò)信息進(jìn)行修正,最終得到調(diào)度命令。結(jié)果表明:該模型具有利用預(yù)警文本信息生成調(diào)度命令的能力,引入的調(diào)度命令修正模塊能夠有效提升調(diào)度命令生成質(zhì)量。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1調(diào)度命令智能生成模型總體架構(gòu)
2調(diào)度命令智能生成模型
    2.1基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的seq2seq模型
        2.1.1編碼部分
        2.1.2解碼部分
    2.2調(diào)度命令修正
        2.2.1調(diào)度命令修正策略
        2.2.2調(diào)度命令修正模塊構(gòu)建
    2.3評(píng)價(jià)指標(biāo)
3實(shí)驗(yàn)過(guò)程及結(jié)果分析
    3.1實(shí)驗(yàn)過(guò)程
    3.2數(shù)據(jù)集
    3.3數(shù)據(jù)預(yù)處理
    3.4實(shí)驗(yàn)結(jié)果
        3.4.1神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率和迭代次數(shù)參數(shù)對(duì)比實(shí)驗(yàn)
        3.4.2實(shí)驗(yàn)結(jié)果
5結(jié)論



本文編號(hào)：3858737