期刊文献+
共找到75,841篇文章
< 1 2 250 >
每页显示 20 50 100
基于上下文聚合网络的图像去噪性能分析 认领
1
作者 刘丽玲 陶温霖 +3 位作者 邓天存 李双钰 郭婧 王耀珩 《长江信息通信》 2021年第3期24-29,共6页
近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果... 近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果优于传统的双边滤波器。此外,对比分析了上下文聚合网络和去噪卷积神经网络的图像去噪性能。相比于去噪卷积神经网络,逼近双边滤波运算的上下文聚合网络处理多幅图像的速度更快,时效性更好,且随着处理图片数量增多,性能越优。相反,去噪卷积神经网络的去噪性能更优,但处理速度慢。 展开更多
关键词 图像去噪 神经网络 上下文聚合网络 去噪卷积神经网络 双边滤波
在线阅读 下载PDF
中文分词研究综述 认领
2
作者 王佳楠 梁永全 《软件导刊》 2021年第4期247-252,共6页
分词作为自然语言处理(NLP)的第一步,有着不可或缺的作用。中文分词(CWS)由于语言的复杂性成为学者研究热点。根据历年文献资料,分词方法主要包括词典分词、统计分词以及神经网络分词。随着机器学习的发展,神经网络成为分词领域主流算法... 分词作为自然语言处理(NLP)的第一步,有着不可或缺的作用。中文分词(CWS)由于语言的复杂性成为学者研究热点。根据历年文献资料,分词方法主要包括词典分词、统计分词以及神经网络分词。随着机器学习的发展,神经网络成为分词领域主流算法,基于神经网络的长短时记忆网络和基于统计的条件随机场分词在提高准确度方面作用巨大,准确度达97%。在此之后,分词歧义和未登录词识别得到很大改进,但研究发现改进模型结构带来的准确度波动不大,且增加了模型复杂性,降低了运算速度。卷积神经网络能更好地理解语义信息,利用稀疏连接缩短运算时间、提高效率,成为下一步工作重点。 展开更多
关键词 中文分词 自然语言处理 神经网络 卷积神经网络 跨领域分词 分词速度
在线阅读 免费下载
基于LSTM神经网络的股票价格预测研究 认领
3
作者 黄超斌 程希明 《北京信息科技大学学报:自然科学版》 2021年第1期79-83,共5页
基于LSTM神经网络模型进行股票价格的预测研究。利用开市以来的七千多条上证综合指数数据,使用长短期记忆(LSTM)神经网络模型对上证综合指数进行预测分析,并将其预测结果与使用BP神经网络模型、CNN、RNN、GRU网络模型的预测结果进行对... 基于LSTM神经网络模型进行股票价格的预测研究。利用开市以来的七千多条上证综合指数数据,使用长短期记忆(LSTM)神经网络模型对上证综合指数进行预测分析,并将其预测结果与使用BP神经网络模型、CNN、RNN、GRU网络模型的预测结果进行对比。结果显示LSTM神经网络模型的预测效果最好,其评价指标中的平均绝对误差(MAE)为0.015799,均方误差(MSE)为0.000450,平均绝对百分比误差(MAPE)为0.019867,预测误差低于其他模型;其预测值和真实值之间的相关系数为0.9957,表明预测值和真实值的拟合程度较高。 展开更多
关键词 股票 价格预测 神经网络 长短期记忆(LSTM)神经网络 时间序列
在线阅读 下载PDF
A Novel SAR Image Ship Small Targets Detection Method 认领
4
作者 Yu Song Min Li +3 位作者 Xiaohua Qiu Weidong Du Yujie He Xiaoxiang Qi 《电脑和通信(英文)》 2021年第2期57-71,共15页
To satisfy practical requirements of high real-time accuracy and low computational complexity of synthetic aperture radar (SAR) image ship small target detection, this paper proposes a small ship target detection meth... To satisfy practical requirements of high real-time accuracy and low computational complexity of synthetic aperture radar (SAR) image ship small target detection, this paper proposes a small ship target detection method based on the improved You Only Look Once Version 3 (YOLOv3). The main contributions of this study are threefold. First, the feature extraction network of the original YOLOV3 algorithm is replaced with the VGG16 network convolution layer. Second, general convolution is transformed into depthwise separable convolution, thereby reducing the computational cost of the algorithm. Third, a residual network structure is introduced into the feature extraction network to reuse the shallow target feature information, which enhances the detailed features of the target and ensures the improvement in accuracy of small target detection performance. To evaluate the performance of the proposed method, many experiments are conducted on public SAR image datasets. For ship targets with complex backgrounds and small ship targets in the SAR image, the effectiveness of the proposed algorithm is verified. Results show that the accuracy and recall rate improved by 5.31% and 2.77%, respectively, compared with the original YOLOV3. Furthermore, the proposed model not only significantly reduces the computational effort, but also improves the detection accuracy of ship small target. 展开更多
关键词 The SAR Images The Neural Network Ship Small Target Target Detection
在线阅读 免费下载
人工神经网络技术及其在岩土工程领域的应用 认领
5
作者 张杨杨 隋天雨 +2 位作者 裴俊 崔敏睿 李奕臻 《科技创新与生产力》 2021年第3期62-64,69,69,共5页
针对人工神经网络(ANN)这个人工智能(AI)中的重要分支进行研究,本文介绍了应用最广泛的反向传播(BP)神经网络、径向基函数(RBF)神经网络以及与深度学习密切相关的卷积神经网络(CNN)的基本理论,具体阐述了ANN在岩土工程领域的应用,包括... 针对人工神经网络(ANN)这个人工智能(AI)中的重要分支进行研究,本文介绍了应用最广泛的反向传播(BP)神经网络、径向基函数(RBF)神经网络以及与深度学习密切相关的卷积神经网络(CNN)的基本理论,具体阐述了ANN在岩土工程领域的应用,包括基坑变形沉降的预测、隧道裂缝的识别检测等,指出人工神经网络技术在岩土工程领域的应用对中国AI的发展具有重要意义。 展开更多
关键词 神经网络 反向传播 径向基函数 卷积神经网络 岩土工程 基坑 隧道
在线阅读 下载PDF
信息传递增强的神经机器翻译 认领
6
作者 史小静 宁秋怡 +1 位作者 季佰军 段湘煜 《计算机工程与科学》 CSCD 北大核心 2021年第1期134-141,共8页
神经机器翻译领域中多层神经网络结构能够显著提升翻译效果,但是多层神经网络结构存在信息传递的退化问题。为了缓解这一问题,提出了层间和子层间信息融合传递增强的方法,增强多层神经网络的层与层之间信息传递的能力。通过引入“保留... 神经机器翻译领域中多层神经网络结构能够显著提升翻译效果,但是多层神经网络结构存在信息传递的退化问题。为了缓解这一问题,提出了层间和子层间信息融合传递增强的方法,增强多层神经网络的层与层之间信息传递的能力。通过引入“保留门”机制来控制融合信息的传递权重,将融合信息与当前层的输出信息连接共同作为下一层的输入,使得信息传递更加充分。在目前最先进的多层神经网络Transformer上进行相关的实验,在中英和德英翻译任务上的实验结果表明,该信息传递增强方法相比于基线系统,BLEU得分分别提高了0.66和0.42。 展开更多
关键词 神经网络 神经机器翻译 信息传递 信息退化 残差网络 门机制
在线阅读 下载PDF
Effects of Model Structural Complexity and Data Pre-Processing on Artificial Neural Network (ANN) Forecast Performance for Hydrological Process Modelling 认领
7
作者 Martins Yusuf Otache John Jiya Musa +2 位作者 Ibrahim Abayomi Kuti Mustapha Mohammed Lydia Ezekiel Pam 《现代水文学期刊(英文)》 2021年第1期1-18,共18页
The choice of a particular Artificial Neural Network (ANN) structure is a seemingly difficult task;worthy of relevance is that there is no systematic way for establishing a suitable architecture. In view of this, the ... The choice of a particular Artificial Neural Network (ANN) structure is a seemingly difficult task;worthy of relevance is that there is no systematic way for establishing a suitable architecture. In view of this, the study looked at the effects of ANN structural complexity and data pre-processing regime on its forecast performance. To address this aim, two ANN structural configurations: </span><b><span style="font-family:Verdana;font-size:12px;">1) Single-hidden layer, </span></b><span style="font-family:Verdana;font-size:12px;">and</span><b><span style="font-family:Verdana;font-size:12px;"> 2) Double-hidden layer</span></b><span style="font-family:Verdana;font-size:12px;"> feed</span></span><span style="font-family:Verdana;">-</span><span style="font-family:Verdana;">forward back</span><span style="font-size:10pt;font-family:""> </span><span style="font-size:10pt;font-family:""><span style="font-family:Verdana;font-size:12px;">propagation network were employed. Results obtained revealed generally that: a) ANN comprised of double hidden layers tends to be less robust and converges with less accuracy than its single-hidden layer counterpart under identical situations;b) for a univariate time series, phase-space reconstruction using embedding dimension which is based on dynamical systems theory is an effective way for determining the appropriate number of ANN input neurons, and c) data pre-processing via the scaling approach excessively limits the output range of the transfer function. In specific terms considering extreme flow prediction capability on the basis of effective correlation: Percent maximum and minimum correlation coefficient (</span><b><span style="font-family:Verdana;font-size:12px;">R</span><sub><span style="font-family:Verdana;font-size:12px;">max</span></sub><span style="font-family:Verdana;font-size:12px;">%</span></b><span style="font-family:Verdana;font-size:12px;"> and </span><b><span style="font-family:Verdana;font-size:12px;">R</span><sub><span style="font-family:Verdana;font-size:12px;">min 展开更多
关键词 Streamflow Neural Network PHASE-SPACE Optimisation Algorithm
在线阅读 免费下载
基于神经网络的煤与瓦斯突出规模预测研究 认领
8
作者 段梦楠 刘泽功 《淮阴工学院学报》 CAS 2021年第1期33-39,共7页
由于传统煤与瓦斯突出预测方法难以理清多种致因间的非线性关系,提出依据人工神经网络建立新的预测方法。基于枚举法思想改进BP、RBF神经网络,使其能够迭代出最佳隐藏层层数、神经元个数以及spread值,并引入GA-BP、GRNN神经网络对矿区... 由于传统煤与瓦斯突出预测方法难以理清多种致因间的非线性关系,提出依据人工神经网络建立新的预测方法。基于枚举法思想改进BP、RBF神经网络,使其能够迭代出最佳隐藏层层数、神经元个数以及spread值,并引入GA-BP、GRNN神经网络对矿区实测数据进行学习仿真,对比4类不同的神经网络预测煤与瓦斯突出规模的性能。结果表明,改进后的BP神经网络基于矿区实测样本得出最佳拓扑结构,预测性能优于依据传统经验公式所确定的拓扑结构;改进后的RBF神经网络的spread值取1时,预测性能最优。在训练集挑选合适的情况下,4类神经网络都能较好地预测煤与瓦斯突出规模,其中RBF神经网络的稳定性最好。改进后的4种神经网络,能够收集出现错误的样本的频率,并提示需要补充、完善的样本数据。 展开更多
关键词 煤与瓦斯突出 神经网络 BP GA-BP RBF GRNN算法 改进神经网络
在线阅读 下载PDF
机器学习的原理及其在气候预测中的潜在应用 认领
9
作者 贺圣平 王会军 +1 位作者 李华 赵家臻 《大气科学学报》 CSCD 北大核心 2021年第1期26-38,共13页
经历了两次“人工智能寒冬”之后,机器学习于近十年再次进入大众视野,且有腾飞发展之势,已在图像识别和语音识别系统等实际应用方面取得了巨大成功。从已知数据集中总结关键信息和主要特征,从而对新数据做出准确的识别和预测,分别是机... 经历了两次“人工智能寒冬”之后,机器学习于近十年再次进入大众视野,且有腾飞发展之势,已在图像识别和语音识别系统等实际应用方面取得了巨大成功。从已知数据集中总结关键信息和主要特征,从而对新数据做出准确的识别和预测,分别是机器学习的主要任务和主要目标之一。从这个角度看,将机器学习整合到气候预测的思路切实可行。本文,首先以线性拟合参数(即斜率和截距)调整为例,介绍了机器学习通过梯度下降算法优化参数并最终得到线性拟合函数的过程。其次,本文介绍了神经网络的构建思路以及如何应用神经网络拟合非线性函数的过程。最后,阐述了深度学习之卷积神经网络的框架原理,并将卷积神经网络应用到东亚冬季逐月气温的回报试验,并与气候动力模式的回报结果相比较。本文将有助于理解机器学习的基本原理,为机器学习应用于气候预测提供一定的参考思路。 展开更多
关键词 机器学习 神经网络 卷积神经网络 气候预测 东亚冬季气温
在线阅读 下载PDF
Physics-Aware Deep Learning on Multiphase Flow Problems 认领
10
作者 Zipeng Lin 《通讯与网络(英文)》 2021年第1期1-11,共11页
In this article, a physics aware deep learning model is introduced for multiphase flow problems. The deep learning model is shown to be capable of capturing complex physics phenomena such as saturation front, which is... In this article, a physics aware deep learning model is introduced for multiphase flow problems. The deep learning model is shown to be capable of capturing complex physics phenomena such as saturation front, which is even challenging for numerical solvers due to the instability. We display the preciseness of the solution domain delivered by deep learning models and the low cost of deploying this model for complex physics problems, showing the versatile character of this method and bringing it to new areas. This will require more allocation points and more careful design of the deep learning model architectures and residual neural network can be a potential candidate. 展开更多
关键词 Deep Learning Neural Network MULTI-PHASE Oil Incompressible Fluid Physics Partial Differential Equation
在线阅读 免费下载
保持聚类结构的异质网络表示学习 认领
11
作者 张蝶依 尹立杰 《计算机工程与应用》 CSCD 北大核心 2021年第7期144-150,共7页
Metapath2vec和Metapath2vec++异质网络表示学习方法只保持了网络原有的拓扑结构,没有考虑异质网络自身存在的聚类结构,从而降低网络中节点表示的准确性。针对此问题,基于元路径随机游走策略提出两种保持聚类结构的异质网络表示学习模型... Metapath2vec和Metapath2vec++异质网络表示学习方法只保持了网络原有的拓扑结构,没有考虑异质网络自身存在的聚类结构,从而降低网络中节点表示的准确性。针对此问题,基于元路径随机游走策略提出两种保持聚类结构的异质网络表示学习模型:HINSC和HINSC++。模型将网络中节点的one-hot表示作为前馈神经网络的输入,经过隐层的非线性变换,使其在输出层保持网络中节点的近邻拓扑结构和聚类结构,利用随机梯度下降算法学习异质网络节点的低维表示。在两个真实异质网络上的实验结果表明:相比Metapath2vec和Metapath2vec++,HINSC和HINSC++学到的表示在聚类任务上NMI值提高12.46%~26.22%,在分类任务上Macro-F1、Micro-F1值提高9.32%~17.24%。 展开更多
关键词 异质信息网络 表示学习 元路径 神经网络 网络嵌入
在线阅读 下载PDF
基于SinGAN的岩石薄片图像超分辨率重建 认领
12
作者 程国建 张福临 《西安石油大学学报:自然科学版》 CAS 北大核心 2021年第2期116-121,共6页
岩石薄片图像对研究石油地质特性以及油气勘探都有重要的意义。由于各种因素的限制,获取到的岩石薄片图像经常会出现分辨率较低的情况,一定程度上限制了研究者对其细节信息的掌握。而一般的神经网络超分辨率算法都需要大量的数据作为训... 岩石薄片图像对研究石油地质特性以及油气勘探都有重要的意义。由于各种因素的限制,获取到的岩石薄片图像经常会出现分辨率较低的情况,一定程度上限制了研究者对其细节信息的掌握。而一般的神经网络超分辨率算法都需要大量的数据作为训练集,为了提升岩石薄片图像超分辨率重建算法纹理细节信息还原能力,本文利用单图像生成式对抗网络,不需输入大量数据集,对岩石薄片图像进行超分辨率重建。采用鄂尔多斯某油区岩石铸体薄片图像进行训练,通过峰值信噪比(Peak Signal to Noise Ratio,SSNR)和结构相似性(Structural Similarity,SSIM)评价指标进行模型评价,实验结果表明:该方法超分辨率处理的图像在视觉效果和评价指标上均具有良好的效果。 展开更多
关键词 岩石薄片图像 神经网络 超分辨率重建 SinGAN
在线阅读 下载PDF
聚类分析和神经网络的无线网络流量预测研究 认领
13
作者 李刚 《现代电子技术》 北大核心 2021年第7期91-94,共4页
针对当前无线网络流量预测精度低、预测结果可信度低等问题,为了获得理想的无线网络流量预测结果,设计了聚类分析和神经网络的无线网络流量预测模型。首先,针对无线网络流量预测建模过程中的训练样本选择难题,采用聚类分析算法构建最优... 针对当前无线网络流量预测精度低、预测结果可信度低等问题,为了获得理想的无线网络流量预测结果,设计了聚类分析和神经网络的无线网络流量预测模型。首先,针对无线网络流量预测建模过程中的训练样本选择难题,采用聚类分析算法构建最优的训练样本集合;然后,引入神经网络对训练样本进行学习;最后进行了无线网络流量预测仿真实验。结果表明,设计模型克服了当前无线网络流量预测模型存在的一些弊端,可以描述无线网络流量变化特点,无线网络流量预测精度可以满足实际应用的要求,而且无线网络流量预测建模的效率高,整体预测效果要优于当前经典模型,为无线网络流量预测建模提供了一种新的研究思路。 展开更多
关键词 无线网络流量预测 聚类分析 神经网络 训练样本构建 训练样本学习 仿真实验
在线阅读 免费下载
基于RBF-BP神经网络融合的医学数据分类研究 认领
14
作者 金丹丹 闻辉 《延边大学学报:自然科学版》 CAS 2021年第1期70-74,共5页
为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF-BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级... 为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF-BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层;在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法;因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值. 展开更多
关键词 径向基函数 反向传播 网络融合 神经网络
在线阅读 下载PDF
基于改进粒子群优化和极限学习机的网络安全态势预测 认领
15
作者 唐延强 李成海 宋亚飞 《计算机应用》 CSCD 北大核心 2021年第3期768-773,共6页
针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机(IPSO-ELM)算法的预测方法。首先,通过改进粒子群优化(PSO)算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使... 针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机(IPSO-ELM)算法的预测方法。首先,通过改进粒子群优化(PSO)算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化(IPSO)算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机(ELM)结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。 展开更多
关键词 网络安全 态势预测 粒子群优化 极限学习机 神经网络 惯性权重
在线阅读 下载PDF
网络控制系统的容错研究 认领
16
作者 宫占霞 《现代制造技术与装备》 2021年第1期64-66,73,共4页
传统的网络控制系统需要在被控对象模型确定的情况进行系统稳定性设计研究,受到了一定的局限性。模糊理论与神经网络的结合,具有类似人脑的逻辑思维和人类经验思维的特点,解决了某些系统被控对象数学模型无法确定的问题。基于此,利用模... 传统的网络控制系统需要在被控对象模型确定的情况进行系统稳定性设计研究,受到了一定的局限性。模糊理论与神经网络的结合,具有类似人脑的逻辑思维和人类经验思维的特点,解决了某些系统被控对象数学模型无法确定的问题。基于此,利用模糊神经网络来设计网络控制系统的控制器,进而稳定控制系统。 展开更多
关键词 模糊理论 神经网络 网络控制系统
在线阅读 免费下载
基于血糖浓度生理调控机制的智能协同控制器设计 认领
17
作者 刘宝 蔡梦迪 +1 位作者 周培 张欣 《湖南大学学报:自然科学版》 EI CAS CSCD 北大核心 2021年第4期1-11,共11页
现代工业生产中出现越来越多具有大惯性、时变性、时滞性的复杂控制对象,传统控制算法已经不能满足其越来越高的控制要求.受启发于人体内血糖浓度的生理双向网络调控机制,提出一种智能协同控制器.该智能协同控制器包括主控制单元、辅控... 现代工业生产中出现越来越多具有大惯性、时变性、时滞性的复杂控制对象,传统控制算法已经不能满足其越来越高的控制要求.受启发于人体内血糖浓度的生理双向网络调控机制,提出一种智能协同控制器.该智能协同控制器包括主控制单元、辅控制单元、监控适应单元和协同控制单元四部分.在监控适应单元的监督控制和协同控制单元的协调控制下,主控制单元和辅控制单元分工协作,共同保证该智能协同控制器在不产生超调的前提下以较快的上升时间和调节时间达到控制系统的目标值.为检验该智能协同控制器的控制性能,选择工业乙醇生物反应器作为被控对象,对其生物反应温度进行控制仿真.实验结果表明:相比于普通BP神经网络控制器和模糊控制器,该智能协同控制器具有更好的动态性能、稳态性能及抗干扰能力. 展开更多
关键词 双向网络调控机制 神经网络 模糊控制 协同控制
在线阅读 下载PDF
电力信息网络安全态势评估方法 认领
18
作者 于海 李峰 +1 位作者 霍英哲 尹晓华 《科学技术与工程》 北大核心 2021年第9期3642-3648,共7页
电力信息网络安全态势评估是当今网络安全领域研究中的热门领域。但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高。提出一种改进人工蜂群优化神经网络的网络安全态势评估方法。首先,通过引入混... 电力信息网络安全态势评估是当今网络安全领域研究中的热门领域。但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高。提出一种改进人工蜂群优化神经网络的网络安全态势评估方法。首先,通过引入混沌序列改进人工蜂群算法提高蜂群的多样性,使其具备更强大的全局搜索能力。然后,利用改进的蜂群算法代替反向传播算法来优化神经网络的各权值参数。最后,新方法对真实的电力信息网络攻击实验进行了安全态势评估预测。与传统的评估方法相比,基于改进的人工蜂群和神经网络的安全评估方法提高了安全评估精度,加快了收敛速度。 展开更多
关键词 网络安全态势评估 神经网络 人工蜂群算法 混沌序列 入侵检测系统
在线阅读 免费下载
基于数据驱动的非全实时观测配电网无功优化方法 认领
19
作者 王珺 田恩东 +2 位作者 马建 窦晓波 刘之涵 《电力建设》 CSCD 北大核心 2021年第2期68-76,共9页
现阶段配电网中量测设备覆盖率较低,只有部分节点的负荷数据可以实时采集得到,因此在配电网中进行实时无功优化时无法使用基于潮流计算的优化方法。考虑到以上情况,文章提出了一种基于数据驱动的非全实时观测配电网无功优化方法。该方... 现阶段配电网中量测设备覆盖率较低,只有部分节点的负荷数据可以实时采集得到,因此在配电网中进行实时无功优化时无法使用基于潮流计算的优化方法。考虑到以上情况,文章提出了一种基于数据驱动的非全实时观测配电网无功优化方法。该方法基于历史运行数据使用最优潮流离线生成无功优化策略,并通过训练神经网络构建可实时量测节点负荷数据和无功优化策略间的映射关系,实现对非全实时观测配电网的实时无功优化。最后基于改造的IEEE 33节点系统,将所提方法与传统九区图无功优化方法作对比,验证了所提方法的有效性。 展开更多
关键词 神经网络 配电网 无功优化 数据驱动
张量网络与神经网络在物理学中的应用和交融 认领
20
作者 张静 谢志远 《物理》 CAS 北大核心 2021年第2期84-91,共8页
基于张量网络的数值重正化群方法,被广泛地应用到物理学的研究中,已经成为量子多体计算方法大家庭的重要一员。近年来,基于神经网络的机器学习方法也逐渐渗透到物理学领域,并被成功应用在量子多体等问题的研究中。文章简要综述了近年来... 基于张量网络的数值重正化群方法,被广泛地应用到物理学的研究中,已经成为量子多体计算方法大家庭的重要一员。近年来,基于神经网络的机器学习方法也逐渐渗透到物理学领域,并被成功应用在量子多体等问题的研究中。文章简要综述了近年来张量网络和神经网络在凝聚态物理和统计物理学的应用,并讨论了两者的相互交叉和结合。 展开更多
关键词 张量网络 神经网络 数值重正化群 交融
上一页 1 2 250 下一页 到第
使用帮助 返回顶部 意见反馈