期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进全卷积网络优化绝缘子缺陷检测
被引量：
6
1
作者
杨永娇
唐亮亮
郑勇
《机械设计与制造》
北大核心
2021年第3期177-180,共4页
绝缘子各种缺陷的准确检测与定位是保障电网安全正常运行的关键,针对传统学度学习全卷积网络在进行航拍绝缘子图像缺陷识别时准确率不高问题,提出基于改进全卷积网络优化的航拍电网绝缘子缺陷自动检测算法,算法通过优化模型结构、剔除...
绝缘子各种缺陷的准确检测与定位是保障电网安全正常运行的关键,针对传统学度学习全卷积网络在进行航拍绝缘子图像缺陷识别时准确率不高问题,提出基于改进全卷积网络优化的航拍电网绝缘子缺陷自动检测算法,算法通过优化模型结构、剔除全连接层Dropout、增加多尺度池化与孔洞卷积以及采用双目标优化函数,实现FCN模型的有效改进,实验结果表明,改进全总卷只网络模型,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优的检测结果。
展开更多
关键词
深度学习
电网绝缘子
缺陷检测
全连接网络模型
在线阅读
下载PDF
职称材料
基于小波变换与BiGRU-NN模型的短期负荷预测方法
被引量：
12
2
作者
曾囿钧
肖先勇
徐方维
《电测与仪表》
北大核心
2023年第6期103-109,共7页
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再...
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中,将负荷特征数据作为BiGRU-NN网络的输入,利用BiGRU-NN网络学习负荷非线性以及时序性特征,以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例,实验结果表明,该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比,具有更高的预测精度。
展开更多
关键词
电力系统
短期负荷预测
小波变换
双向门控循环单元
双向门控循环单元-
全
连接
神经
网络
混合
模型
在线阅读
下载PDF
职称材料
题名
改进全卷积网络优化绝缘子缺陷检测
被引量：
6
1
作者
杨永娇
唐亮亮
郑勇
机构
广东电力信息科技有限公司
广州大学机械与电气工程学院
出处
《机械设计与制造》
北大核心
2021年第3期177-180,共4页
基金
国家社会科学基金项目(No.19BJY121)
。
文摘
绝缘子各种缺陷的准确检测与定位是保障电网安全正常运行的关键,针对传统学度学习全卷积网络在进行航拍绝缘子图像缺陷识别时准确率不高问题,提出基于改进全卷积网络优化的航拍电网绝缘子缺陷自动检测算法,算法通过优化模型结构、剔除全连接层Dropout、增加多尺度池化与孔洞卷积以及采用双目标优化函数,实现FCN模型的有效改进,实验结果表明,改进全总卷只网络模型,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优的检测结果。
关键词
深度学习
电网绝缘子
缺陷检测
全连接网络模型
Keywords
Deep Learning
Grid Insulator
Defect Detection
Fully Connected Network Model
分类号
TH16 [机械工程—机械制造及自动化]
TM726 [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
基于小波变换与BiGRU-NN模型的短期负荷预测方法
被引量：
12
2
作者
曾囿钧
肖先勇
徐方维
机构
四川大学电气工程学院
出处
《电测与仪表》
北大核心
2023年第6期103-109,共7页
基金
国家自然科学基金面上项目(51877141)。
文摘
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中,将负荷特征数据作为BiGRU-NN网络的输入,利用BiGRU-NN网络学习负荷非线性以及时序性特征,以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例,实验结果表明,该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比,具有更高的预测精度。
关键词
电力系统
短期负荷预测
小波变换
双向门控循环单元
双向门控循环单元-
全
连接
神经
网络
混合
模型
Keywords
power system
short-term load forecasting
wavelet transform
bidirectional gated recurrent unit
bidirectional gated recurrent unit-fully-connected neural network hybrid model
分类号
TM715 [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
改进全卷积网络优化绝缘子缺陷检测
杨永娇
唐亮亮
郑勇
《机械设计与制造》
北大核心
2021
6
在线阅读
下载PDF
职称材料
2
基于小波变换与BiGRU-NN模型的短期负荷预测方法
曾囿钧
肖先勇
徐方维
《电测与仪表》
北大核心
2023
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
