期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于边缘计算的新型电力系统分布式状态估计 被引量:1
1
作者 黄奕俊 肖健 +2 位作者 彭依明 桂文豪 辛海滨 《电力科学与技术学报》 北大核心 2025年第1期77-84,112,共9页
可再生能源发电大量并入新型电力系统使运行数据呈现级数增长。由于可再生能源时序波动剧烈、扰动量大,使新型电力系统中涌现大量的不良数据和恶数据,并且这些运行数据呈现分布式管理方式,使传统集中式的状态估计方法在计算精度、计算... 可再生能源发电大量并入新型电力系统使运行数据呈现级数增长。由于可再生能源时序波动剧烈、扰动量大,使新型电力系统中涌现大量的不良数据和恶数据,并且这些运行数据呈现分布式管理方式,使传统集中式的状态估计方法在计算精度、计算速度等方面陷入困境,为此,提出基于边缘计算的新型电力系统分布式状态估计。首先,给出传统集中式状态估计方法的不足,设计以协调变量为核心的分布式状态估计私密性的计算思路;其次,在传统非线性状态估计模型基础上,提出改进型的线性状态估计方法以提高计算速度;随后,提出边缘计算的多目标蚁群分布式求解算法,实现所提出的分布式状态估计;最后,以某实际新型电力系统融合的IEEE 57系统为例,对所提状态估计算法进行仿真验证,结果表明所提方法的精确性和高计算速度。 展开更多
关键词 边缘计算 分布式 状态估计 新型电力系统
在线阅读 下载PDF
融合ECA机制与DenseNet201的水稻病虫害识别方法 被引量:8
2
作者 潘晨露 张正华 +3 位作者 桂文豪 马家俊 严晨曦 张晓敏 《智慧农业(中英文)》 CSCD 2023年第2期45-55,共11页
[目的/意义]针对传统人工识别病虫害存在的效率过低、成本过高等问题,提出一种融合ECA (Efficient Channel Attention)注意力机制与DenseNet201的水稻图像识别模型GE-DenseNet (G-ECA DenseNet)。[方法]首先在ECA机制上引入Ghost模块的... [目的/意义]针对传统人工识别病虫害存在的效率过低、成本过高等问题,提出一种融合ECA (Efficient Channel Attention)注意力机制与DenseNet201的水稻图像识别模型GE-DenseNet (G-ECA DenseNet)。[方法]首先在ECA机制上引入Ghost模块的思想构成G-ECA Layer结构,增强其提取特征的能力。其次,在DenseNet201原有的Dense Block前引入G-ECA Layer,使模型具有更优的通道特征提取能力。由于实验所用的数据集较小,将DenseNet201在ImageNet数据集上预训练的权重参数迁移到GE-DenseNet中。训练时,采用Focal Loss函数来解决各分类样本不均衡的问题。同时,使用Adam优化器以避免在模型训练初期由于部分权重随机初始化而导致反向传播的梯度变化剧烈的问题,在一定程度上削弱了网络训练的不确定性。[结果和讨论]在包含水稻胡麻斑病、水稻铁甲虫、稻瘟病与健康水稻的3355张图像数据集上进行了实验测试,识别准确率达到83.52%。由GE-DenseNet模型的消融对比实验可得,引入了Focal Loss函数与G-ECA Layer层之后,模型准确率上升2.27%。将所提模型与经典NasNet (4@1056)、VGG-16和ResNet50模型相比,分类准确率分别提高了6.53%、4.83%和3.69%;相较于原始的DenseNet201,对水稻铁甲虫的识别准确率提升达20.32%。[结论]加入G-ECA Layer结构能够使模型更为准确地捕捉适合于水稻病虫害识别的特征信息,从而使GE-DenseNet模型能够实现对不同水稻病虫害图像更为准确地识别,为及时防治病虫害,减少各类损失提供技术支持。 展开更多
关键词 DensetNet201 ECA注意力机制 病虫害识别 迁移学习 卷积神经网络 Ghost模块
在线阅读 下载PDF
A statistical inference for generalized Rayleigh model under Type-Ⅱ progressive censoring with binomial removals 被引量:2
3
作者 REN Junru gui wenhao 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2020年第1期206-223,共18页
This paper considers the parameters and reliability characteristics estimation problem of the generalized Rayleigh distribution under progressively Type-Ⅱ censoring with random removals,that is,the number of units re... This paper considers the parameters and reliability characteristics estimation problem of the generalized Rayleigh distribution under progressively Type-Ⅱ censoring with random removals,that is,the number of units removed at each failure time follows the binomial distribution.The maximum likelihood estimation and the Bayesian estimation are derived.In the meanwhile,through a great quantity of Monte Carlo simulation experiments we have studied different hyperparameters as well as symmetric and asymmetric loss functions in the Bayesian estimation procedure.A real industrial case is presented to justify and illustrate the proposed methods.We also investigate the expected experimentation time and discuss the influence of the parameters on the termination point to complete the censoring test. 展开更多
关键词 Type-Ⅱprogressive censoring with random removals generalized Rayleigh distribution reliability characteristic maximum likelihood estimation Markov chain Monte Carlo method expected experimentation time
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部