期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于ANN-dropout的配电网可靠性预测方法 预览
1
作者 邢晓敏 何铁新 +2 位作者 郑雪瑞 冯帆 孙成 《南方电网技术》 CSCD 北大核心 2019年第2期66-73,共8页
随着配电网的高速发展,大量自动化设备不断接入使用给配电网的可靠运行带来了巨大的挑战。本文针对配电网动态规律和可靠性指标特征,提出了两种机器学习算法来预测配电网可靠性。通过对配电网数据进行数据变换,让预测区间从[0,1]变成[0,... 随着配电网的高速发展,大量自动化设备不断接入使用给配电网的可靠运行带来了巨大的挑战。本文针对配电网动态规律和可靠性指标特征,提出了两种机器学习算法来预测配电网可靠性。通过对配电网数据进行数据变换,让预测区间从[0,1]变成[0,+∞),对变换后的数据进行归一化再输入预测模型。配电网实例验证结果表明,数据变换后机器的学习预测效果提升明显,经过dropout技术优化的人工神经网络(artificial neural network,ANN)具有最佳的预测性能。本文提出的预测模型能准确地预测配电网的可靠性,为配电网的建设投资和优化运行提供有效的指导。 展开更多
关键词 配电网 可靠性预测 人工神经网络 dropout技术 支持向量回归
在线阅读 免费下载
基于随机配置网络的光纤入侵信号识别算法
2
作者 盛智勇 曾志强 +1 位作者 曲洪权 李伟 《激光与光电子学进展》 CSCD 北大核心 2019年第14期39-46,共8页
随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一... 随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比,Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。 展开更多
关键词 光通信 随机配置网络 L2正则化 Dropout技术 光纤预警系统 信号处理
基于改进的卷积神经网络的人脸识别算法 预览
3
作者 董洛丞 陈张平 《杭州电子科技大学学报:自然科学版》 2018年第5期55-59,97共6页
光照、表情变化等复杂环境下,传统人脸识别算法的性能下降较大,为此,提出一种基于LeNet-5改进的多层卷积神经网络人脸识别算法。首先,通过卷积层和池化层的融合来自动提取人脸特征并进行分类,然后,采用随机梯度下降法训练网络,使用Soft... 光照、表情变化等复杂环境下,传统人脸识别算法的性能下降较大,为此,提出一种基于LeNet-5改进的多层卷积神经网络人脸识别算法。首先,通过卷积层和池化层的融合来自动提取人脸特征并进行分类,然后,采用随机梯度下降法训练网络,使用Softmax分类器对人脸进行识别。在全连接层中采用"Dropout"方法减少训练过程中存在的过拟合问题。实验结果表明,提出的方法在AR人脸库上的识别率达到了98.65%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。 展开更多
关键词 人脸识别 深度学习 卷积神经网络 Dropout技术
在线阅读 下载PDF
变参数深度玻尔兹曼计算模型研究 预览
4
作者 王娜 陈贤富 《信息技术与网络安全》 2018年第6期68-71,共4页
针对复杂优化问题,研究并提出一种基于深度学习的层次结构与Dropout技术的变参数并行玻尔兹曼算法模型。该算法模型能够有效抑制局域最优问题,在TSP问题求解中获得了较好优化效果,并在经典实例eil51搜索到比迄今已知最优解更优的TSP路径... 针对复杂优化问题,研究并提出一种基于深度学习的层次结构与Dropout技术的变参数并行玻尔兹曼算法模型。该算法模型能够有效抑制局域最优问题,在TSP问题求解中获得了较好优化效果,并在经典实例eil51搜索到比迄今已知最优解更优的TSP路径,在pr1002等大规模TSP问题求解中较快搜索到迄今已知最优路径。 展开更多
关键词 深度学习 玻尔兹曼机 Dropout技术 参数扰动 旅行商问题(TSP)
在线阅读 下载PDF
基于Dropout卷积神经网络的行为识别 预览 被引量:2
5
作者 范晓杰 宣士斌 唐凤 《广西民族大学学报:自然科学版》 CAS 2017年第1期76-82,共7页
近年来,卷积神经网络(CNN)已经成为很多科学领域的研究热点之一.卷积神经网络作为一种深度模型可以直接作用于原始输入,不需要手动设计特征描述子.与传统神经网络相比识别效果有很大的提高.它已经建立了一类强大的模型来处理图... 近年来,卷积神经网络(CNN)已经成为很多科学领域的研究热点之一.卷积神经网络作为一种深度模型可以直接作用于原始输入,不需要手动设计特征描述子.与传统神经网络相比识别效果有很大的提高.它已经建立了一类强大的模型来处理图像识别,并对其扩展到三维卷积神经网络(3DCNN)来处理视频识别问题.在此基础上,笔者对三维卷积神经网络做了如下改进:用Gabor小波核来初始化卷积操作,以达到模拟人类视觉系统对视觉刺激的响应;在网络训练的过程中加入Dropout技术,随机选择删除部分神经元,以此来提高网络的泛化能力,有效防止过拟合.提出的方法在KTH和UCF-YouTube数据集上进行验证,取得了很好地识别效果. 展开更多
关键词 卷积神经网络 Gabor小波核 Dropout技术
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈