公开(公告)号：CN108520131A

公开(公告)日：2018-09-11

申请号：CN201810274718.8

申请日：2018-03-30

申请人： 河南理工大学

发明人： 吴君 ,  王新良 ,  桂伟峰 ,  邹家宁 ,  叶小涛 ,  周巧喜 ,  王红星

IPC分类号： G06F17/50

摘要： 本发明公开了基于节点重合和关联矩阵的井下高压电网短路计算方法，该方法基于节点重合和关联矩阵构造矿井高压供电系统的网络拓扑模型，能够很方便地完成矿井高压供电系统供电网络的拓扑辨识,并以此为基础实现自动短路计算功能。其首先依据关联矩阵A、B1、C、E和D计算出线开关节点与出线开关节点对应的纵向初级供电关联矩阵MG，然后在此基础上计算得到出现开关节点与线路节点的供电关联矩阵L和关联矩阵FC，最后依据关联矩阵L和关联矩阵FC完成矿井高压供电系统自动短路计算。

公开(公告)号：CN108448578A

公开(公告)日：2018-08-24

申请号：CN201810328589.6

申请日：2018-04-13

申请人： 河南理工大学

发明人： 王立国 ,  邹家宁 ,  尹新晓 ,  罗强 ,  王新良 ,  王红星 ,  杨芃 ,  周巧喜 ,  黄昕昕 ,  杨顺策

IPC分类号： H02J3/00

摘要： 本发明公开了基于拓扑编码的T型矿井高压电网自动短路计算方法，该方法针对矿井高压电网的网络结构特点，依据矿井高压供电系统图中电气设备之间的连接关系，基于设备类型和拓扑结构搜索针对每个设备进行拓扑编码，提出一种新的基于拓扑编码的T型矿井高压电网网络拓扑模型，能够有效实现矿井高压电网供电网络的拓扑辨识；在此基础上，基于获取的拓扑分析模型能够实现三相短路电流和两相短路电流的自动计算。该方法结构性强，分析过程清晰，时间复杂度较低。

公开(公告)号：CN109299268A

公开(公告)日：2019-02-01

申请号：CN201811239484.X

申请日：2018-10-24

申请人： 河南理工大学

发明人： 李辉 ,  高娜 ,  刘小磊 ,  周巧喜 ,  徐坚 ,  李金秋

IPC分类号： G06F16/35 ,  G06N3/04

摘要： 本发明针对目前单通道神经网络模型结构单一，无法充分提取文本信息的问题，提出一种基于双通道模型的文本情感分析方法。包括步骤：首先使用Word2Vec训练词向量，将文本表示成词向量矩阵的形式；然后将其作为输入数据，分别送入卷积神经网络(CNN)和长短时记忆(LSTM)网络中进行特征提取；并在其后引入注意力模型，提取文本重要特征信息；最后将两个通道所提取的文本特征进行合并，利用分类层进行情感分类。本发明所提方法具有可行性和优越性，其性能明显优于其他单通道神经网络模型。

公开(公告)号：CN108448578B

公开(公告)日：2021-03-16

申请号：CN201810328589.6

申请日：2018-04-13

申请人： 河南理工大学

发明人： 王立国 ,  邹家宁 ,  尹新晓 ,  罗强 ,  王新良 ,  王红星 ,  杨芃 ,  周巧喜 ,  黄昕昕 ,  杨顺策

IPC分类号： H02J3/00

摘要： 本发明公开了基于拓扑编码的T型矿井高压电网自动短路计算方法，该方法针对矿井高压电网的网络结构特点，依据矿井高压供电系统图中电气设备之间的连接关系，基于设备类型和拓扑结构搜索针对每个设备进行拓扑编码，提出一种新的基于拓扑编码的T型矿井高压电网网络拓扑模型，能够有效实现矿井高压电网供电网络的拓扑辨识；在此基础上，基于获取的拓扑分析模型能够实现三相短路电流和两相短路电流的自动计算。该方法结构性强，分析过程清晰，时间复杂度较低。

公开(公告)号：CN111522956A

公开(公告)日：2020-08-11

申请号：CN202010379544.9

申请日：2020-05-08

申请人： 河南理工大学

发明人： 李辉 ,  黄钰杰 ,  袁莉莉 ,  叶小涛 ,  周巧喜 ,  王飞翔

IPC分类号： G06F16/35 ,  G06F40/289 ,  G06F40/284 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

摘要： 本发明针对单一的神经网络模型结构简单，传统的注意力模型无法有效提取层次化的文本特征的问题，本文提出了基于双通道和层次化注意力网络的文本情感分类方法，首先，在一个通道上使用双向门限循环神经网络（Bidirectional Gated Recurrent Unit，BIGRU）提取序列化信息，并引入层次化注意力网络（Hierarchical Attention Network，HAN）学习序列层次化文本信息，其次，在另一通道中借助分解卷积神经网络（Convolutional Neural Network，CNN）获取局部文本特征，结合HAN学习深层次特征信息，最后，将两个通道进行融合，丰富特征向量，优化文本情感分类效果，提高模型的准确率，本发明所提方法在中文数据集上具有显著性和优越性。

公开(公告)号：CN108763216A

公开(公告)日：2018-11-06

申请号：CN201810552925.5

申请日：2018-06-01

申请人： 河南理工大学

发明人： 李辉 ,  郑媛媛 ,  余伟阳 ,  高娜 ,  周巧喜

IPC分类号： G06F17/27 ,  G06F17/30 ,  G06N3/04

CPC分类号： G06F17/2775 ,  G06F17/271 ,  G06N3/0454 ,  G06N3/0481

摘要： 本发明针对目前文本情感分析任务中所使用的神经网络结构无法提取文本重要特征的问题，提出了一种基于中文数据集的文本情感分析方法，包括步骤：首先对语料进行预处理，将其转换为词向量矩阵；然后使用卷积神经网络(CNN)进行局部信息特征的提取，接着将其作为长短时记忆网络(LSTM)的输入，学习文本词语，句子之间的序列关系；在其后引入注意力机制，来学习重要的文本特征；最后使用分类层对输出进行分类。本发明所提方法在中文数据集上具有可行性和优越性。