彝文输入法形码编码的研究与实现

提出一种基于字形分类的彝文形码编码的输入法方案,将所有的彝文文字按其字形特点如:有无曲线,有无封闭,有无点等进行分类,首位分为不同的8大类,根据字型的曲线和封闭等的具体情况再进一步分类,同时将一些特殊的彝文文字采用单一码0表示,从而降低了重码率.基于Windows开发平台,运用imegen.exe输入法生成器实现彝文输入法,测试结果表明该彝文输入法平均击键率低,重码率适当.     

基于CNN-BiLSTM-Attention的超短期电力负荷预测

在长短期记忆神经网络(LSTM)的基础上,运用双向的长短期记忆神经网络(BiLSTM),结合卷积神经网络(CNN)提出了一个预测模型,对超短期电力负荷预测.运用合肥市2019年全年数据对该模型进行训练及预测,结果显示,CNN-BiLSTM预测精度高于CNN-LSTM预测模型,为进一步提升预测精确度,在BiLSTM神经网络后面连接了一个Attention在输出,发现其预测精度进一步提升了.