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
基于残差全连接神经网络的电力监控系统异常行为检测方法
被引量：
48
1
作者
李伟
霍雪松
+1 位作者
张明
朱红勤
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第6期1062-1068,共7页
为了提升电力监控系统异常行为检测能力,提出了一种基于残差全连接神经网络的电力监控系统异常行为检测方法.将深度学习模型与半监督学习方法相结合,构建了两级残差全连接神经网络,并将其作为核心分类模型.选取训练样本特征子空间、有...
为了提升电力监控系统异常行为检测能力,提出了一种基于残差全连接神经网络的电力监控系统异常行为检测方法.将深度学习模型与半监督学习方法相结合,构建了两级残差全连接神经网络,并将其作为核心分类模型.选取训练样本特征子空间、有标记训练样本子集、残差全连接层层数的多种不同组合,采用混合扰动的方法生成具有差异性的成员分类器.基于成员分类器的分类误差率,通过加权多数表决对无标记样本数据进行增量学习,生成分类识别能力较强的集成分类器.实验结果表明,在同等标记数据规模下,所提方法的检测准确率和模型训练收敛速度均优于现有方法,可快速、准确识别电力监控系统异常行为,同时降低了对训练样本数据进行标记的开销.
展开更多
关键词
电力监控系统
异常行为检测
残差全连接神经网络
集成学习
在线阅读
下载PDF
职称材料
基于残差全连接神经网络机床传动轴刚度预测研究
被引量：
1
2
作者
林皓纯
陈秀梅
+1 位作者
史凤梁
王鹏家
《机床与液压》
北大核心
2022年第23期110-113,共4页
为了更好地研究机床刚度,提出一种通过测量S试件的加工误差以辨识机床传动系统刚度的方法,建立残差全连接神经网络的传动系统刚度模型。通过多体动力学对S试件轮廓误差进行分析,建立传动系统的误差模型。利用残差全连接神经网络对加工后...
为了更好地研究机床刚度,提出一种通过测量S试件的加工误差以辨识机床传动系统刚度的方法,建立残差全连接神经网络的传动系统刚度模型。通过多体动力学对S试件轮廓误差进行分析,建立传动系统的误差模型。利用残差全连接神经网络对加工后的S试件轮廓误差进行训练,得到传动系统刚度;搭建刚度测量试验台,对机床的刚度进行测量,结果验证了残差全连接神经网络模型的有效性;残差全连接模型的收敛速度更快,在迭代次数达到70次后,预测精度达到80%左右。
展开更多
关键词
机床传动系统
刚度
误差模型
残差全连接神经网络
在线阅读
下载PDF
职称材料
题名
基于残差全连接神经网络的电力监控系统异常行为检测方法
被引量：
48
1
作者
李伟
霍雪松
张明
朱红勤
机构
东南大学计算机科学与工程学院
国网江苏省电力有限公司
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第6期1062-1068,共7页
基金
国家重点研发计划资助项目(2017YFB1003000)
国网江苏省电力有限公司科技资助项目(J2018039).
文摘
为了提升电力监控系统异常行为检测能力,提出了一种基于残差全连接神经网络的电力监控系统异常行为检测方法.将深度学习模型与半监督学习方法相结合,构建了两级残差全连接神经网络,并将其作为核心分类模型.选取训练样本特征子空间、有标记训练样本子集、残差全连接层层数的多种不同组合,采用混合扰动的方法生成具有差异性的成员分类器.基于成员分类器的分类误差率,通过加权多数表决对无标记样本数据进行增量学习,生成分类识别能力较强的集成分类器.实验结果表明,在同等标记数据规模下,所提方法的检测准确率和模型训练收敛速度均优于现有方法,可快速、准确识别电力监控系统异常行为,同时降低了对训练样本数据进行标记的开销.
关键词
电力监控系统
异常行为检测
残差全连接神经网络
集成学习
Keywords
power monitoring system
abnormal behavior detection
fully connected residual neural network
ensemble learning
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于残差全连接神经网络机床传动轴刚度预测研究
被引量：
1
2
作者
林皓纯
陈秀梅
史凤梁
王鹏家
机构
北京信息科技大学机电工程学院
出处
《机床与液压》
北大核心
2022年第23期110-113,共4页
基金
北京市科技计划项目(Z191100002019004)
北京市教委科技计划一般项目(KM202011232012)。
文摘
为了更好地研究机床刚度,提出一种通过测量S试件的加工误差以辨识机床传动系统刚度的方法,建立残差全连接神经网络的传动系统刚度模型。通过多体动力学对S试件轮廓误差进行分析,建立传动系统的误差模型。利用残差全连接神经网络对加工后的S试件轮廓误差进行训练,得到传动系统刚度;搭建刚度测量试验台,对机床的刚度进行测量,结果验证了残差全连接神经网络模型的有效性;残差全连接模型的收敛速度更快,在迭代次数达到70次后,预测精度达到80%左右。
关键词
机床传动系统
刚度
误差模型
残差全连接神经网络
Keywords
Machine tool transmission system
Stiffness
Error model
Residual fully connected neural network
分类号
TG50214 [金属学及工艺—金属切削加工及机床]
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
基于残差全连接神经网络的电力监控系统异常行为检测方法
李伟
霍雪松
张明
朱红勤
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
48
在线阅读
下载PDF
职称材料
2
基于残差全连接神经网络机床传动轴刚度预测研究
林皓纯
陈秀梅
史凤梁
王鹏家
《机床与液压》
北大核心
2022
1
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
