文献

J-GLOBAL ID：201802233631930442   整理番号：18A0585470

精度を増加した変圧器のインパルス故障パターンの分類のための畳込みニューラルネットワークを用いた深い学習フレームワーク【Powered by NICT】

A deep learning framework using convolution neural network for classification of impulse fault patterns in transformers with increased accuracy

著者 (5件)： Dey D. (Department of Electrical Engineering, Jadavpur University, India) ,  Chatterjee B. (Department of Electrical Engineering, Jadavpur University, India) ,  Dalai S. (Department of Electrical Engineering, Jadavpur University, India) ,  Munshi S. (Department of Electrical Engineering, Jadavpur University, India) ,  Chakravorti S. (NIT, Calicut, India)
資料名： IEEE Transactions on Dielectrics and Electrical Insulation  (IEEE Transactions on Dielectrics and Electrical Insulation)
巻： 24  号： 6  ページ： 3894-3897  発行年： 2017年 
JST資料番号： W0578A  ISSN： 1070-9878  資料種別： 逐次刊行物 (A)
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： 畳込みニューラルネットワーク(CNN)に基づく深学習フレームワークを用いる方法を示し,インパルス試験中の変圧器巻線の故障の同定と局在。結果は,提案した方法は,既存の方法よりも著しく優れていることを示した。本方式は,故障電流パターンの解析のための個別特徴抽出と分類アルゴリズムの必要性を排除した。提案ネットワークの一部は,特徴学習を行い,他の部分は教師ありの方法で特徴を分類した。法は計算集約的であるが,非常に高い精度を達成できる平均今日まで他の公表された文献と比較して7%以上のマージン。Copyright 2018 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： *学習 ,  *故障 ,  *ネットワーク ,  集中化 ,  *変圧器 ,  故障電流 ,  特徴抽出
準シソーラス用語： 分類アルゴリズム ,  変圧器巻線 ,  インパルス試験 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 変圧器  (NB08020Q)

タイトルに関連する用語 (7件)： 変圧器 ,  インパルス ,  故障 ,  分類 ,  畳込みニューラルネットワーク ,  学習 ,  フレームワーク