检索结果-南通市图书馆

维普期刊数据库博看期刊

基于置信网络的直流输电线路暂态信号识别方法

在线全文

学校读者我要写书评

暂无评论

浙江电力 2019年第6期38卷 3-8页

作者：姚长元罗国敏国网山东省电力公司聊城供电公司山东聊城252000 北京交通大学电气工程学院北京100044

暂态保护是高压直流输电系统的主保护,提高暂态信号的识别精度是改善保护性能的有力措施。单极接地故障、雷击干扰和雷击故障是高压直流输电线路常见的3类暂态信号。提出一种基于置信网络的暂态信号识别方法,以原始数据作为输入,利用网... 详细信息

暂态保护是高压直流输电系统的主保护,提高暂态信号的识别精度是改善保护性能的有力措施。单极接地故障、雷击干扰和雷击故障是高压直流输电线路常见的3类暂态信号。提出一种基于置信网络的暂态信号识别方法,以原始数据作为输入,利用网络实现特征提取和识别。该方法减少了复杂的信号处理及特征提取环节,能够对多种场景下的暂态信号进行有效识别。仿真结果表明,该方法在低采样频率、短时间窗和不同系统参数的条件下,对三类暂态信号具有良好的识别效果。

关键词：高压直流输电信号识别置信网络

改进的深度动作捕捉技术在民族传统体育动作识别中的应用

在线全文

学校读者我要写书评

暂无评论

兰州文理学院学报（自然科学版） 2024年第2期38卷 108-111页

作者：徐社远合肥经济学院基础课教学部安徽合肥230011

传统的惯性传感器仅可采集民族传统体育动作信息,无法自动识别动作类别,为此对传统动作捕捉技术进行了改进.将18个惯性传感器设备与人体关节绑定,基于九轴惯性传感器芯片设计惯性传感器节点,经过数据传输节点与接收节点将数据传输至处... 详细信息

传统的惯性传感器仅可采集民族传统体育动作信息,无法自动识别动作类别,为此对传统动作捕捉技术进行了改进.将18个惯性传感器设备与人体关节绑定,基于九轴惯性传感器芯片设计惯性传感器节点,经过数据传输节点与接收节点将数据传输至处理模块,完成民族传统体育动作捕捉.设计三层深度信念网络识别民族传统体育动作类型,将人体9种数据特征参数作为网络输入,动作类别作为网络输出.在民族传统体育动作识别测试中,用该方法测量的人体关节位置信息更加接近标准值,民族体育动作的识别率高达95%以上,具有较好的动作识别精准度与稳定性.

关键词：民族传统体育动作捕捉深度学习置信网络

在线全文

学校读者我要写书评

暂无评论

利用置信网络预测油价

世界石油经济 1992年第3期 40-46页

作者：布鲁斯.艾布拉姆森王凤琛

由人工智能和决策分析团体开发的以知识为基础的置信网络,将有可能成为未来的一个重要预测工具。美国阿科石油公司和南加利福尼亚大学合作开发的ARCO 1模型,在预测金融活动中,是目前最先进的预测工具。以置信网络为基础的ARCO 1模型,是... 详细信息

由人工智能和决策分析团体开发的以知识为基础的置信网络,将有可能成为未来的一个重要预测工具。美国阿科石油公司和南加利福尼亚大学合作开发的ARCO 1模型,在预测金融活动中,是目前最先进的预测工具。以置信网络为基础的ARCO 1模型,是一个人工智能知识库,它模拟了所有被认为对原油市场有影响的变量。决策分析的启发技术,搜集了有关市场变量的信息,如变量的值域和相互关系。该系统用网络的蒙特卡洛分析来预测原油价格。对于已编制的不同的石油市场模型,该系统能很快地进行改进,在最近的波斯湾事件中,它的灵活性表现得很突出。

关键词：石油价格置信网络

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的快速点云匹配

基于深度学习的快速点云匹配

作者：张松辉哈尔滨工程大学

学位级别：硕士

近年来,很多学者和大型研究机构开始关注深度学习,通过深层神经网络来进行点云配准获得了重大进展。然而,大多数深度学习的点云配准算法默认点云间有较大的重叠,但是当点云重叠较小时,容易出现错配的问题,这些算法的准确度和性能快速下... 详细信息

近年来,很多学者和大型研究机构开始关注深度学习,通过深层神经网络来进行点云配准获得了重大进展。然而,大多数深度学习的点云配准算法默认点云间有较大的重叠,但是当点云重叠较小时,容易出现错配的问题,这些算法的准确度和性能快速下降,低重叠率的点云配准可以减少捕获整个场景所需的总扫描量和配准次数,从而节省时间。本文根据大量的有关研究文献,设计了两种通过深度学习来配准低重叠点云的办法。论文利用交叉注意矩阵交换与混合信息的作用,来得到低重叠点云间的点对应关系并进行过滤,设计了基于交叉注意矩阵乘积的低重叠点云配准算法。该算法设计了一个包含几何信息与位置信息的特征描述符。使用点匹配模块,计算每层的交叉注意矩阵,并交换两个点云该层的信息;将每层交叉注意矩阵点乘得到全局交叉注意矩阵,来混合低层次的几何信息和高层次的上下文信息。通过软映射来得到两个点云的点对应。使用置信网络得到每个点对应的置信分数,最后通过加权的SVD过滤错误点对应,得到旋转变换矩阵。论文利用掩模来提取出低重叠点云的重叠区域的特征,设计了一种端到端的迭代网络。每次迭代中,首先用上次迭代得到旋转变换矩阵变换点云;使用动态图卷积神经网络(DGCNN)来提取点云特征;然后使用上次迭代得到掩模,提取出两个点云重叠部分的特征,避免非重叠点对聚合全局特征的干扰;再与另一点云交换全局特征信息并与第一次卷积得到每个点特征相连,经过MLP网络融合特征信息;结合两个点云融合后的特征信息,使用重叠掩模预测网络,估计本次迭代的重叠掩模,使用刚性变换网络,估计本次迭代的旋转变换矩阵。最后,论文在64位ubuntu18.04 LTS操作系统,python3.7+pytorch1.3.1实现并进行实验,分析这两种算法的配准性能,在不同数据集中的泛化性,设计实验验证交叉注意矩阵与掩模的作用,与其它算法进行实验对比,观察算法对低重叠率点云性能,及性能随重叠率变化情况。

关键词：点云配准交叉注意矩阵置信网络重叠掩模全局特征

基于寿命数据分析的配网电缆冷缩中间接头受潮诊断模型设计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自动化与仪器仪表 2023年第8期 71-74页

作者：周幸皮云霞李敏马馨兰南方电网数字电网研究院有限公司广州510600

冷缩中间接头是整个配网电缆中最薄弱的环节,一旦地下积水,接头长时间浸泡后,很容易受潮,影响了电缆的可靠供电。针对这一问题,设计一种基于寿命数据分析的配网电缆冷缩中间接头受潮诊断模型。采集介质损耗因子、电容量、局部放电量三... 详细信息

冷缩中间接头是整个配网电缆中最薄弱的环节,一旦地下积水,接头长时间浸泡后,很容易受潮,影响了电缆的可靠供电。针对这一问题,设计一种基于寿命数据分析的配网电缆冷缩中间接头受潮诊断模型。采集介质损耗因子、电容量、局部放电量三种寿命表征参数作为后期诊断的基础,利用灰狼算法计算每种特征参数的重要性系数,并与三种寿命表征参数标准化数值相乘,实现特征融合。利用深度置信网络构建受潮诊断模型,计算每种受潮程度的发生概率,将最大值对应的受潮程度标签作为诊断结果,实现配网电缆冷缩中间接头受潮诊断。结果表明:所研究诊断模型的Dice相似系数最大,靠近1,说明该模型的诊断结果更接近实际结果,诊断准确性更高。

关键词：寿命数据配网电缆冷缩中间接头置信网络受潮诊断模型

一种基于混合深度置信模型的面部表情识别方法

在线全文

学校读者我要写书评

暂无评论

西南大学学报（自然科学版） 2016年第6期38卷 142-147页

作者：杨雨浓房鼎益王洪西北大学信息科学与技术学院西安710127 重庆师范大学教务处重庆401331

针对特征提取算法中存在的特征标注困难、有效特征丢失等问题,文中提出一种基于混合深度置信模型的识别方法,该方法利用深度模型来解决维度灾难,实现视觉特征的分层学习,从而提高识别精度.首先,为达到融合局部特征和全局特征信息的目的... 详细信息

针对特征提取算法中存在的特征标注困难、有效特征丢失等问题,文中提出一种基于混合深度置信模型的识别方法,该方法利用深度模型来解决维度灾难,实现视觉特征的分层学习,从而提高识别精度.首先,为达到融合局部特征和全局特征信息的目的,本文根据表情特征分布特点进行图像分割,由分割的关键区域图像和整体图像加上不同的贡献度形成混合模型;其次,将图像输入到深度置信网络中,实现数字图像视觉特征的分层学习,抽象出代表表情类别的有效特征,从而避免人工设计特征提取中存在的提取困难和特征丢失的缺陷;最后,利用训练样本求解、更新混合模型组件的贡献度,提升算法的精度和鲁棒性.在JAFFE、Cohn-kanade表情库中的实验结果表明,本文提出的混合深度置信模型方法能对表情视觉特征进行有效学习,提高了表情识别的精度,识别率达到97.94%.

关键词：表情识别置信网络混合模型特征学习

在线全文

学校读者我要写书评

暂无评论

受限玻尔兹曼机的稀疏化特征学习

计算机科学 2016年第12期43卷 91-96页

作者：康丽萍许光銮孙显中国科学院电子学研究所北京100190 中国科学院大学北京100190

受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的... 详细信息

受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的稀疏系数,将稀疏系数大于阈值的稠密数据集自动转化为稀疏数据集,在不损失信息量的情况下实现输入数据的稀疏化。在手写字符数据集和自然图像数据集上的实验结果表明,sRBM通过输入数据稀疏化有效提升了RBM的稀疏化特征学习性能。

关键词：受限玻尔兹曼机(RBM) 稀疏化特征学习置信网络稳定性

在线全文

学校读者我要写书评

暂无评论

柔性直流输电线路暂态信号识别方法研究

柔性直流输电线路暂态信号识别方法研究

作者：姚长元北京交通大学

学位级别：硕士

高压直流(High Voltege Direct Current,HVDC)输电提高了输电效率和资源利用水平,是满足远距离大容量、清洁可再生能源输送需求的主要方式。以电压源型换流器(Voltage Scourced Converts,VSC)为核心的柔性直流(VSC-HVDC)输电技术具有运... 详细信息

高压直流(High Voltege Direct Current,HVDC)输电提高了输电效率和资源利用水平,是满足远距离大容量、清洁可再生能源输送需求的主要方式。以电压源型换流器(Voltage Scourced Converts,VSC)为核心的柔性直流(VSC-HVDC)输电技术具有运行方式灵活、可控性强等优点,在高压直流输电领域扮演着越来越重要的角色。继电保护是保障系统安全稳定运行的关键技术,而暂态信号识别是确保保护装置准确动作的重要环节。研究准确有效的暂态信号识别方法,对于提高系统供电可靠性和运维检修质量都具有重要意义。本论文围绕柔性直流输电线路的暂态信号识别问题,分析了常见暂态信号的发生机理,从人工智能技术的不同角度出发,研究了基于机器学习模型的暂态信号识别方法。论文的主要工作内容如下:调研了柔性直流输电线路暂态识别的研究背景和意义;分析了传统识别方法、人为特征提取与传统智能算法分类器相结合方法,以及基于无监督学习的特征自提取及分类模型相结合方法的研究现状及特点。研究了柔性直流输电线路的三类常见暂态信号:单极接地故障、雷击故障和雷击干扰的发展机理和波形特征。以±500kV柔性直流架空输电线路为研究对象,分析了单极接地故障和由绕击引起的雷击干扰、雷击故障的发展机理和数学模型;在PSCAD软件中搭建了双端柔性输电系统和暂态信号仿真模型,并结合仿真波形,分析了三类信号的暂态特性。研究了基于频谱熵(Frequency Spectrum Entropy,FSE)的特征提取与基于支持向量机(Support Vector Machines,SVM)的模式识别相结合的暂态识别方法。利用频谱分布的相对大小关系定义了 FSE,用来描述单端暂态电流特征,耐受距离、过渡电阻参数的影响;利用多个二分类的SVM构成多分类器,软化分类界限,避免了故障识别判据整定的复杂操作,提高了信号的识别精度。研究了基于置信网络特征自提取的暂态识别方法,实现端到端的暂态信号可靠识别。以原始暂态数据(解耦后的电流线模分量)为输入,利用置信网络的受限制玻尔兹曼机(Restricted Boltzmann Machine,RBM)实现故障特征自提取,利用Softmax层进行暂态分类,实现了特征提取和分类的联合调整,减少了人为因素对故障识别的影响。同时,综合采用了多个系统暂态数据,增加样本数量,提高模型泛化能力。在满足低采样频率(10kHz)和短时间窗(3ms)的实际需求条件下,具有较高的识别精度。综上,本论文针对柔性直流输电线路的暂态信号识别问题,深入调研和分析了现有研究成果及存在不足,在建模和对比暂态信号特性的基础上,分别从:人为特征提取和模式识别相结合以及特征自提取的机器学习,两个角度开展了暂态识别的相关研究,并取得了较好的仿真识别效果。

关键词：柔性直流输电暂态信号识别频谱熵支持向量机置信网络