-
一種面向Mach-zehnder周界防護(hù)系統(tǒng)的模式識(shí)別方案研究
針對(duì)馬赫—曾德爾(Mach—Zehnder ,M—Z)周界防護(hù)系統(tǒng) ,設(shè)計(jì)了一種模式識(shí)別方案 。該方案在周界利用M—Z防護(hù)系統(tǒng) 獲取不同類別傳感信號(hào)的基礎(chǔ)上 ,采用小波包分析提取傳感信號(hào)的特征信息 ,并利用BP神經(jīng)網(wǎng)絡(luò)對(duì)特征信息進(jìn)行學(xué)習(xí) ,進(jìn)而完 成對(duì)不同類型傳感信號(hào)的模式識(shí)別 。實(shí)驗(yàn)結(jié)果表明 ,實(shí)驗(yàn)環(huán)境下該方案對(duì)拍打防護(hù)網(wǎng)、擊打防護(hù)網(wǎng)支柱、晃動(dòng)防護(hù)網(wǎng)和拍打光纜 4種不同類型人為擾動(dòng)信號(hào)識(shí)別的正確率為97. 5%。
-
基于電力物聯(lián)網(wǎng)和BP神經(jīng)網(wǎng)絡(luò)的用電行為優(yōu)化研究
電力物聯(lián)網(wǎng)有利于建設(shè)電力用戶用電行為大數(shù)據(jù)，為用電行為的識(shí)別和優(yōu)化奠定基礎(chǔ)。鑒于此，搭建了基于電力物聯(lián)網(wǎng)的用電行為管控系統(tǒng)，根據(jù)數(shù)據(jù)流量需求和功能部署方案采用分層建設(shè)的體系架構(gòu)。終端層用于向各用電設(shè)備提供接口和協(xié)議轉(zhuǎn)換服務(wù)，具備邊緣計(jì)算和安全防護(hù)功能，實(shí)現(xiàn)分布式資源的彈性管理。采用BP神經(jīng)網(wǎng)絡(luò)對(duì)用戶用電功率進(jìn)行預(yù)測，實(shí)現(xiàn)用電行為識(shí)別 。在滿足各種安全穩(wěn)定約束條件下，以用電經(jīng)濟(jì)性為目標(biāo)，對(duì)用戶用電成本進(jìn)行核算，并對(duì)用電行為進(jìn)行優(yōu)化，用以提高用戶互動(dòng)水平，實(shí)現(xiàn)電力需求側(cè)管理向需求側(cè)響應(yīng)的轉(zhuǎn)變。
-
基于FCM-BP算法的電網(wǎng)運(yùn)行多源信息融合方法研究
摘要:針對(duì)信息融合在電網(wǎng)業(yè)務(wù)及運(yùn)行信息中的應(yīng)用,提出了一種基于FCM一BP算法的電網(wǎng)運(yùn)行多源信息融合方法。該方法首先對(duì)收集到的電網(wǎng)信息進(jìn)行預(yù)處理;其次使用模糊C均值聚類(FCM)算法對(duì)預(yù)處理之后的信息進(jìn)行分析,將相似性較高的信息歸為一類,再采用加權(quán)平均法對(duì)同一類信息進(jìn)行數(shù)據(jù)級(jí)融合;最后對(duì)經(jīng)過數(shù)據(jù)級(jí)融合的信息進(jìn)行特征提取,將提取的特征送入BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行特征級(jí)信息融合。改進(jìn)后的算法實(shí)現(xiàn)了電網(wǎng)多源異構(gòu)信息在數(shù)據(jù)級(jí)和特征級(jí)的融合,提高了信息融合的質(zhì)量,滿足了相關(guān)專業(yè)對(duì)電網(wǎng)運(yùn)行態(tài)勢的實(shí)時(shí)乃至提前感知與交互需求。
-
基于ACO-BP的省級(jí)月售電量預(yù)測
摘要:采用科學(xué)有效的預(yù)測模型對(duì)省級(jí)售電量進(jìn)行高準(zhǔn)確度的預(yù)測,對(duì)于保證省級(jí)電網(wǎng)安全穩(wěn)定發(fā)展、社會(huì)生產(chǎn)生活平穩(wěn)有序進(jìn)行以及指導(dǎo)電力企業(yè)開展擴(kuò)建和檢修等業(yè)務(wù)均具有重要意義。針對(duì)BP算法容易出現(xiàn)局部最優(yōu)和收斂速度較慢的問題,提出使用改進(jìn)的蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)重和閾值:根據(jù)某省月售電量歷史數(shù)據(jù)分別采用改進(jìn)前后的兩個(gè)算法進(jìn)行訓(xùn)練和預(yù)測,對(duì)預(yù)測結(jié)果進(jìn)行分析,結(jié)果表明,改進(jìn)后的模型能提高BP神經(jīng)網(wǎng)絡(luò)的精確度和穩(wěn)定性,能有效減少網(wǎng)絡(luò)的迭代次數(shù)。
-
基于BP神經(jīng)網(wǎng)絡(luò)算法的電纜局部放電類型模式識(shí)別
摘要:利用計(jì)算機(jī)技術(shù)的模式識(shí)別已被運(yùn)用到了局部放電分析領(lǐng)域。與人工識(shí)別相比,其識(shí)別結(jié)果準(zhǔn)確,識(shí)別速度快,有很大的發(fā)展?jié)摿Α，F(xiàn)研究了基于BP神經(jīng)網(wǎng)絡(luò)算法的電纜局部放電模式識(shí)別技術(shù),簡述了模式識(shí)別的原理,重點(diǎn)研究了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及算法,并利用BP神經(jīng)網(wǎng)絡(luò)對(duì)電纜典型絕緣缺陷局部放電類型進(jìn)行模式識(shí)別。
-
基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的改進(jìn)灰色模型在
摘要:經(jīng)濟(jì)增長與電力需求作為分析一個(gè)國家經(jīng)濟(jì)運(yùn)行狀況的兩個(gè)重要指標(biāo),兩者相互作用,聯(lián)系緊密。用單一的預(yù)測方法預(yù)測電量無法保證高精度的預(yù)測結(jié)果,如何最大程度地提高預(yù)測精度是電力系統(tǒng)電量預(yù)測的研究的關(guān)鍵?，F(xiàn)提出用BP神經(jīng)網(wǎng)絡(luò)算法修正灰色預(yù)測值的方法,其核心是通過分析月數(shù)據(jù)規(guī)律進(jìn)行灰色預(yù)測外推得到初步預(yù)測結(jié)果,在充分考慮經(jīng)濟(jì)指標(biāo)與電量的相互作用的情況下,利用BP神經(jīng)網(wǎng)絡(luò)對(duì)電量預(yù)測值進(jìn)行修正,從而得到實(shí)用性更好的中長期電量預(yù)測結(jié)果。
-
大佬帶你看神經(jīng)網(wǎng)絡(luò)模型，常見神經(jīng)網(wǎng)絡(luò)模型有哪些?
為增進(jìn)大家對(duì)神經(jīng)網(wǎng)絡(luò)模型的認(rèn)識(shí)，本文將對(duì)常見的神經(jīng)網(wǎng)絡(luò)模型予以介紹。
-
人工蜂群算法十BP神經(jīng)網(wǎng)絡(luò)模型在短期電力負(fù)荷預(yù)測中的應(yīng)用研究
摘要:為確保電力系統(tǒng)運(yùn)行的安全性與穩(wěn)定性,短期電力負(fù)荷預(yù)測已成為常態(tài)化工作。而隨著電網(wǎng)形態(tài)的多元化、電力負(fù)荷的迅猛增長,電力供應(yīng)緊張局面越發(fā)嚴(yán)峻,這就使得電力公司不但要面臨技術(shù)上的挑戰(zhàn),還要面對(duì)經(jīng)濟(jì)上的壓力。在進(jìn)行短期電力負(fù)荷預(yù)測時(shí),經(jīng)常使用到的人工智能算法有很多,如支持向量法、人工神經(jīng)網(wǎng)絡(luò)法以及模糊預(yù)測法等,但這些電力負(fù)荷預(yù)測方法均存在一定不足,如自適應(yīng)能力較差、尋優(yōu)時(shí)間長、預(yù)測精度效果不佳等。為彌補(bǔ)這些不足,在BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上融合人工蜂群算法,并對(duì)這種算法模型在短期電力負(fù)荷預(yù)測中的應(yīng)用可行性進(jìn)行了檢驗(yàn),結(jié)果肯定了人工蜂群算法＋BP神經(jīng)網(wǎng)絡(luò)模型的可行性,該模型具有較好的穩(wěn)定性和精準(zhǔn)度。
-
基于BP神經(jīng)網(wǎng)絡(luò)的手勢識(shí)別系統(tǒng)
摘要：給出了采用ADXL335加速度傳感器來采集五個(gè)手指和手背的加速度三軸信息，并通過ZigBee無線網(wǎng)絡(luò)傳輸來提取手勢特征量，同時(shí)利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行誤差分析來實(shí)現(xiàn)手勢識(shí)別的設(shè)計(jì)方法。最后，通過Matlab驗(yàn)證，結(jié)果表明，該系統(tǒng)在測試中識(shí)別率較高，系統(tǒng)穩(wěn)定。
-
基于BP神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別
摘 要：對(duì)神經(jīng)網(wǎng)絡(luò)理論和神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行了研究，提出了基于BP神經(jīng)網(wǎng)絡(luò)分類器的交通標(biāo)志識(shí)別模型。通過大 量實(shí)驗(yàn)和比較，得到了識(shí)別效率高的模型，并將這一模型應(yīng)用到所研究的交通標(biāo)志識(shí)別系統(tǒng)，從而對(duì)系統(tǒng)作了初步的實(shí)現(xiàn)。
-
物聯(lián)網(wǎng)信息安全風(fēng)險(xiǎn)評(píng)估研究
摘 要：近年來，物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展迅猛，隨之而來的安全問題也越發(fā)引起社會(huì)關(guān)注。文中以物聯(lián)網(wǎng)USN體系結(jié)構(gòu)為基礎(chǔ)建立了物聯(lián)網(wǎng)安全架構(gòu)層次模型，從而對(duì)物聯(lián)網(wǎng)信息安全進(jìn)行風(fēng)險(xiǎn)識(shí)別。然后利用AHP層次分析法建立物聯(lián)網(wǎng)信息安全風(fēng)險(xiǎn)指標(biāo)體系，同時(shí)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，對(duì)物聯(lián)網(wǎng)進(jìn)行信息安全風(fēng)險(xiǎn)評(píng)估，并驗(yàn)證了此方法的有效性。
-
人工智能算法在光伏發(fā)電量預(yù)測中的應(yīng)用
摘 要：隨著光電的大規(guī)模發(fā)展，準(zhǔn)確預(yù)測光伏發(fā)電量對(duì)于光伏電站的選址、大規(guī)模并網(wǎng)以及運(yùn)行具有重要作用。文中提出一種果蠅算法結(jié)合神經(jīng)網(wǎng)絡(luò)的人工智能混合算法（FOA-BP）來解決光伏發(fā)電量預(yù)測問題。以武漢某光伏發(fā)電站的發(fā)電數(shù)據(jù)為例，結(jié)合FOA-BP混合算法對(duì)模型進(jìn)行仿真求解，結(jié)果表明，F(xiàn)OA-BP混合算法具有較高的準(zhǔn)確性。
-
電子信息系統(tǒng)模塊級(jí)故障診斷技術(shù)研究
0 引言 目前，電子信息系統(tǒng)的復(fù)雜化、自動(dòng)化和信息化程度越來越高，對(duì)可靠性、可維修性和技術(shù)保障能力的要求日趨迫切。系統(tǒng)中每一個(gè)部件發(fā)生故障都可能會(huì)產(chǎn)生鏈?zhǔn)椒磻?yīng)，影響系統(tǒng)效能發(fā)揮或
-
如何搭建自己的神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)基本概念 （1）激勵(lì)函數(shù)： 例如一個(gè)神經(jīng)元對(duì)貓的眼睛敏感，那當(dāng)它看到貓的眼睛的時(shí)候，就被激勵(lì)了，相應(yīng)的參數(shù)就會(huì)被調(diào)優(yōu)，它的貢獻(xiàn)就會(huì)越大。 下面是幾種常見的激活函數(shù)
-
matlab的BP神經(jīng)網(wǎng)絡(luò)例子程序
??1. BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例? ?? 例1. 采用動(dòng)量梯度下降算法訓(xùn)練BP 網(wǎng)絡(luò)。? 訓(xùn)練樣本定義如下：? 輸入矢量為????? p =[-1 -2 3? 1;-1? 1 5 -3]? 目標(biāo)矢量為
-
基于MSP430F149單片機(jī)的直流電子負(fù)載設(shè)計(jì)
摘要 鑒于電子負(fù)載在電源設(shè)備測試中的廣泛應(yīng)用，研制了一臺(tái)以MSP430F149單片機(jī)為核心處理器的直流電子負(fù)載。單片機(jī)MSP430F149內(nèi)設(shè)ADC12模塊對(duì)負(fù)載電壓、電流信號(hào)實(shí)時(shí)采樣，并外設(shè)10位D/A轉(zhuǎn)換芯片TLC5615輸出模擬電壓
-
基于BP神經(jīng)網(wǎng)絡(luò)的小麥碰撞聲信號(hào)分類
摘要：小麥在儲(chǔ)藏階段由于各種災(zāi)害導(dǎo)致?lián)p失巨大，并降低了面粉質(zhì)量，及時(shí)檢測并分離小麥的受損顆粒迫在眉睫。文章以提取4類小麥碰撞聲信號(hào)為基礎(chǔ)，使用數(shù)字信號(hào)處理方法對(duì)小麥完好粒、蟲害粒、霉變粒及發(fā)芽粒的碰撞聲
-
基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字式渦流傳感器特性曲線擬合的實(shí)現(xiàn)
摘要：為了正確反映數(shù)字式渦流傳感器的實(shí)際特性，首先介紹了數(shù)字式渦流傳感器的工作原理，然后從實(shí)測數(shù)據(jù)出發(fā)，提出了應(yīng)用BP神經(jīng)網(wǎng)絡(luò)擬合其特性曲線的方法，運(yùn)用MATLAB語言編程建立BP神經(jīng)網(wǎng)絡(luò)并進(jìn)行訓(xùn)練和仿真，與現(xiàn)
-
一種利用Hough變換和先驗(yàn)知識(shí)的車牌識(shí)別新方法
隨著交通管理系統(tǒng)的日趨現(xiàn)代化，車牌自動(dòng)識(shí)別系統(tǒng)成為智能交通系統(tǒng)的重要組成部分。通過對(duì)當(dāng)前車牌識(shí)別的基本原理和主要方法的研究，分析比較各種識(shí)別方法的優(yōu)缺點(diǎn)，針對(duì)車牌定位、字符分割和字符識(shí)別，本文提出一套
-
BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測試集的生成設(shè)計(jì)
1 引言 人工神經(jīng)網(wǎng)絡(luò)是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)。國際著名 的神經(jīng)網(wǎng)絡(luò)專家Hecht Nielsen 給神經(jīng)網(wǎng)絡(luò)的定義是：“神經(jīng)網(wǎng)絡(luò)是一個(gè)以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，它通過對(duì)連續(xù)或
zchong
情歌被打敗
sw小位
yangbingru
神經(jīng)男
paranoea2018
stm32jy
季冬
ddllxxrr
15775802523
15775802523
15775802523
15775802523
15775802523
huanxf
oschinanet
jeakjiang
潛力變實(shí)力
w32m
快意恩仇
