检索结果-维普期刊中文期刊服务平台

基于一维残差卷积神经网络的Pi2脉动识别模型被引量：1: 1; 作者张怡悦邹自明方少峰《空间科学学报》北大核心 2025年第1期66-81,共16页; Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... 展开更多; 关键词 Pi2脉动 Pi2脉动识别模型一维残差卷积神经网络; 在线阅读下载PDF 职称材料

基于1D-SE-ResNet的含风电电力系统动态分区惯量评估: 2; 作者徐艳春任建新 +2 位作者宋文宇席磊 MI Lu 《南方电网技术》北大核心 2025年第6期119-132,共14页; 随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neur... 展开更多; 关键词频率响应特性系统分区分区惯量一维压缩激励残差神经网络惯量评估; 在线阅读下载PDF 职称材料

基于1D-ResNet的沥青混合料光谱分类识别方法: 3; 作者王晋军周兴林《现代电子技术》北大核心 2025年第8期139-144,共6页; 使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积... 展开更多; 关键词沥青混合料光谱分类一维残差卷积神经网络光谱预处理序列融合间隔平均法; 在线阅读下载PDF 职称材料

基于双分支并联的特征融合电能质量扰动分类方法被引量：5: 4; 作者王飞王立辉 +2 位作者周少武赵才张志飞《电力系统保护与控制》 EI CSCD 北大核心 2024年第5期178-187,共10页; 为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取... 展开更多; 关键词一维卷积神经网络一维残差神经网络特征提取扰动分类; 在线阅读下载PDF 职称材料

题名基于一维残差卷积神经网络的Pi2脉动识别模型被引量：1: 1; 作者张怡悦邹自明方少峰; 机构中国科学院国家空间科学中心中国科学院大学国家空间科学数据中心; 出处《空间科学学报》北大核心 2025年第1期66-81,共16页; 基金国家重点研发计划项目(2022YFF0711400) 中国科学院网信专项(CAS-WX2022SF-0103)共同资助。; 文摘 Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率.; 关键词 Pi2脉动 Pi2脉动识别模型一维残差卷积神经网络; Keywords Pi2 pulsations Pi2 pulsation identification model One-dimensional residual convolutional neural network; 分类号 P353 [天文地球—空间物理学]; 在线阅读下载PDF 职称材料

题名基于1D-SE-ResNet的含风电电力系统动态分区惯量评估: 2; 作者徐艳春任建新宋文宇席磊 MI Lu; 机构湖北省输电线路工程技术研究中心(三峡大学) 三峡大学电气与新能源学院国网湖北省电力有限公司武汉供电公司洪山供电中心德克萨斯农工大学电气与计算机工程系; 出处《南方电网技术》北大核心 2025年第6期119-132,共14页; 基金国家自然科学基金资助项目(52277108)。; 文摘随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neural network,1D-SE-ResNet)的系统动态分区惯量评估方法。首先,计算频率曲线趋势和数值近似距离,采用k-means聚类方法对系统进行动态分区并由S-C指标确定分区数量。然后,通过增加压缩和激励模块对一维残差神经网络进行改进,为每个通道提供权重从而提升网络性能,采集系统不同惯量水平和负荷扰动下的区域簇中心节点频率和频率变化率数据作为一维特征输入,区域有效惯量为输出,训练网络实现区域惯量评估。最后,在含风电的IEEE 39和IEEE 118系统上进行仿真。结果表明,在动态分区的基础上,训练好的1D-SE-ResNet可实现区域惯量的准确评估。; 关键词频率响应特性系统分区分区惯量一维压缩激励残差神经网络惯量评估; Keywords frequency response characteristics system partitioning partition inertia 1D-SE-ResNet inertia assessment; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于1D-ResNet的沥青混合料光谱分类识别方法: 3; 作者王晋军周兴林; 机构武汉科技大学机械自动化学院; 出处《现代电子技术》北大核心 2025年第8期139-144,共6页; 基金国家自然科学基金项目(51778509) 国家科学自然基金项目(51827812)。; 文摘使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积神经网络链式结构的基础上引入残差模块来构建1D-ResNet分类模型。首先对近红外光谱数据间隔平均,并进行二阶导数(2nd D)及标准正态变量变换(SNV)预处理;然后将归一化的平均光谱、2nd D光谱及SNV光谱进行光谱序列融合;最后将融合光谱数据作为模型的输入,实现对不同老化程度沥青混合料的分类。实验结果表明:对光谱数据进行间隔平均后,1D-ResNet模型分类准确率为88.38%,采用光谱序列融合后分类准确率达98.86%,能够实现对沥青混合料的准确分类识别。; 关键词沥青混合料光谱分类一维残差卷积神经网络光谱预处理序列融合间隔平均法; Keywords asphalt mixture spectral classification one-dimensional residual convolutional neural network spectral preprocessing sequence fusion interval averaging method; 分类号 TN247-34 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于双分支并联的特征融合电能质量扰动分类方法被引量：5: 4; 作者王飞王立辉周少武赵才张志飞; 机构佛山科学技术学院机电工程与自动化学院湖南科技大学机电工程与自动化学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2024年第5期178-187,共10页; 基金国家自然科学基金项目资助(51277056) 湖南省自然科学基金项目资助(2021JJ30280)。; 文摘为了提高对电能质量扰动信号(power quality disturbance signal,PQDs)在受到噪声和异常数据干扰时的分类准确率,提出了一种双分支并联特征融合网络的PQDs分类方法。首先,采用一维残差神经网络和一维卷积神经网络两个分支进行特征提取。然后,通过特征融合模块将这些特征融合在一起。最终,通过分类模块对PQDs进行准确分类。相对于串联神经网络,所提方法融合特征向量,增强了特征的区分度,同时适用于并行计算,进一步提高了识别速度。仿真结果表明,所提方法在叠加信噪比为13 dB、15 dB和18 dB的PQDs分类任务中,识别率均超过95%,此外,该方法对异常数据的分类效果也具有一定的鲁棒性。; 关键词一维卷积神经网络一维残差神经网络特征提取扰动分类; Keywords one-dimensional convolutional neural network one-dimensional residual neural network feature extraction disturbance classification; 分类号 TM711 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于一维残差卷积神经网络的Pi2脉动识别模型	张怡悦邹自明方少峰	《空间科学学报》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于1D-SE-ResNet的含风电电力系统动态分区惯量评估	徐艳春任建新宋文宇席磊 MI Lu	《南方电网技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于1D-ResNet的沥青混合料光谱分类识别方法	王晋军周兴林	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于双分支并联的特征融合电能质量扰动分类方法	王飞王立辉周少武赵才张志飞	《电力系统保护与控制》 EI CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料