文献

J-GLOBAL ID：201702272204583407   整理番号：17A1650385

モード解析を用いた電力系統ニューラルネットワーク構築の改善【Powered by NICT】

Improving power system neural network construction using modal analysis

著者 (6件)： Johnson Joshua (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University) ,  Hossain-McKenzie Shamina (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University) ,  Bui Uyen (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University) ,  Etigowni Sriharsha (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University) ,  Davis Katherine (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University) ,  Zonouz Saman (Department of ECE at University of Illinois at Urbana-Champaign and Rutgers University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISAP  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 歴史的に,人工ニューラルネットワーク(ANN)の構造は試行錯誤または過剰な計算精度低下と増加した訓練時間をもたらすにより定義した。多くの分野,特に電力系統では,大規模使用のための実行可能であるためにモデルは正確であると高速計算を支持する両なければならない。これらの要求はしばしば不十分で構造化されたANNsは不要である。しかし,ANN構造を作成するために行動知識を電力系統を用いて精度を最大化し計算実行時間を最小化するモデルのための近最適事例の推定を提供することができた。電力系統の支配的モードとANN(人工ニューラルネットワーク)の隠れたニューロン(単位)の間の関係を考察した。本研究では,いくつかのANNsは,ニューロンの数を変えることで作製した。これらのANNsを用いて,様々な時間で消失し,実際の応答と比較した発電機母線での断層に応答して回転子角を予測した,シミュレーションにより得られた。使用したニューロンの数は,仮定した支配的なモード数と五種の既知の発見的推定を含んでいる。得られた方法は電力系統モデルのための試行錯誤または追加の不必要な計算時間に依存せずにANNを構築するドメイン依存性アルゴリズムである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューロン ,  高速計算 ,  *モード解析 ,  *ニューラルネットワーク ,  CPU時間 ,  アルゴリズム ,  *電力系統 ,  構造形成
準シソーラス用語： 実行時間 ,  計算精度 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： モード解析 ,  電力系統 ,  ニューラルネットワーク ,  構築