提出調(diào)度命令智能生成模型,該模型由神經(jīng)網(wǎng)絡和調(diào)度命令修正模塊兩部分組成�；陂L短時記憶(LSTM)網(wǎng)絡構(gòu)建序列-序列(seq2seq)模型,將預警文本信息作為模型的輸入進行訓練,提出五種調(diào)度命令修正策略并分別對五種易錯信息進行修正,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。

【文章頁數(shù)】：9 頁

【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基于長短時記憶網(wǎng)絡的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評價指標
3實驗過程及結(jié)果分析
    3.1實驗過程
    3.2數(shù)據(jù)集
    3.3數(shù)據(jù)預處理
    3.4實驗結(jié)果
        3.4.1神經(jīng)網(wǎng)絡學習率和迭代次數(shù)參數(shù)對比實驗
        3.4.2實驗結(jié)果
5結(jié)論



本文編號：3858737