《表2 实验数据日志格式：基于Attention-BiLSTM的电网设备故障文本分类》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于Attention-BiLSTM的电网设备故障文本分类》
本文方法在实验模型的超参数设置如表2所示。
| 图表编号 | XD00197793500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.31 |
| 作者 | 田园、马文 |
| 绘制单位 | 云南电网有限责任公司信息中心、云南电网有限责任公司信息中心 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 实验结果：基于Attention-BiLSTM的电网设备故障文本分类》2020.12.31
- 《表2 故障文本分类：基于LSTM循环神经网络的电力故障挖掘研究》2021.01.10
- 《表2 实验结果：基于深度学习的电网调控文本知识抽取方法》2020.12.25
- 《表3 故障诊断分类结果：基于数据驱动的设备电路板无图纸故障诊断》2020.08.25
- 《表6 基于日志数据的故障诊断技术相关文献总结》2020.07.01
- 《表7 基于日志数据的故障诊断技术手段总结》2020.07.01
- 《表5 基于日志数据的故障根因诊断方法分析》2020.07.01
- 《表4 基于日志数据的故障预测方法对比分析》2020.07.01
- 《表1 数据存储格式：多标签文本分类模型对比研究》2020.04.01
- 《表1 实验分类结果：基于LSTM神经网络的电网文本分类方法》2020.01.15
- 《表1 实验使用的数据集：基于卷积与双向简单循环单元的文本分类模型》2020.03.16
- 《表7 变压器常见故障：基于设备脆弱性的电网气象灾害故障预测》2020.02.25
- 《表2 记录数据2：基于自学习的电网设备故障自动辩识方法研究与应用》2020.03.20
- 《表1 记录数据1：基于自学习的电网设备故障自动辩识方法研究与应用》2020.03.20
- 《表1 实验数据：基于BiGRU和贝叶斯分类器的文本分类》2020.02.16
- 《表1 迁移故障诊断实验：无标签数据下基于特征知识迁移的机械设备智能故障诊断》2019.08.01
- 《表1 实验数据集划分：基于Attention-BiLSTM的中文命名实体识别》2019.09.01
- 《表1 基于电网多重性故障的电网故障要素分类》2019.07.25
- 《表1 实验参数：基于大数据的电网设备监控信息自动分类方法》2019.06.05
- 《表1 实验数据集：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18