-
题名基于深度特征融合网络的电力工程数据对比算法
- 1
-
-
作者
何洁明
何劲熙
-
机构
广东电网有限责任公司广州供电局
广州隽力咨询服务有限公司
-
出处
《电子设计工程》
2025年第6期39-43,共5页
-
基金
广东省科技计划项目(202274GKJJH76F29D)。
-
文摘
针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行度量,从而提高了算法训练的准确性。使用迁移学习算法对传统GAN进行一致性改进,并采用Cycle-GAN对数据进行训练。为了提升算法运行的效率,通过孪生神经网络对不同的输入数据进行预训练,得到自适应参数指导模型的训练。在实验测试中,所提算法运行速度、数据核查准确度在所有对比算法中均为最优,同时加入迁移学习模型后,训练少量样本数据集的性能下降相较原算法更慢,验证了算法改进的有效性。
-
关键词
深度特征融合
深度迁移学习
循环对抗神经网络
孪生神经网络
电力工程数据
数据核查
-
Keywords
depth feature fusion
deep transfer learning
cyclic antagonism neural network
twin neural network
power engineering data
data verification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN918.4
[电子电信—通信与信息系统]
-
-
题名融合框架下的电力工程数据特征提取与评估方法
- 2
-
-
作者
陆汉东
何劲熙
-
机构
广东电网有限责任公司广州供电局
广州隽力咨询服务有限公司
-
出处
《信息技术》
2024年第12期67-71,79,共6页
-
基金
广东省科技计划项目(202274GKJJH76F29D)。
-
文摘
针对现有电力工程评估校核方法数据处理效率低、智能化与信息化程度不足的问题,提出了一种基于多层感知机(MLP)、门控循环单元(GRU)和图卷积神经网络(GCN)的多任务融合数据评估模型。该模型在对工程数据进行预处理的基础上,利用MLP、GRU和GCN从多元数据中提取深层特征。在自适应权重的多任务学习模型中引入张量融合方法,完成数据信息的特征级融合,再经共享层与输出层的全连接处理得到评估结果。实验结果表明,所提模型评估结果的均方根误差为0.035,平均绝对值误差为0.014,决定系数为0.993,均优于现有特征融合数据处理方法。
-
关键词
电力工程项目评估
多层感知机
门控循环单元
图卷积神经网络
张量融合
-
Keywords
power engineering project evaluation
Multi-layer Perceptron
Gated Recurrent Unit
Graph Convolutional Neural network
tensor fusion
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
TN918.4
[电子电信—通信与信息系统]
-
