文献

J-GLOBAL ID：201902220256909993   整理番号：19A2270349

マルチドメイン特徴融合に基づく電力品質擾乱同定法【JST・京大機械翻訳】

Power quality disturbance identification method based on multi-domain feature fusion

著者 (3件)： Lifen Chen (The School of Electrical Engineering, Shandong University, Jinan, 250061, China) ,  Ke Zhu (The School of Electrical Engineering, Shandong University, Jinan, 250061, China) ,  Guoping Sun (Qihe County Power Supply Company, Dezhou, Shandong Province, Qihe, 251100, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIEA  ページ： 37-42  発行年： 2019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： 電力品質擾乱同定は電力品質研究にとって重要である。しかし,雑音,擾乱間の干渉,特徴抽出法の影響は,異なる擾乱から抽出された特徴のエッジぼけをもたらし,従って,擾乱認識の正確さに影響を及ぼす。本論文は,マルチドメイン特徴融合に基づく認識方法を提案した。最初に,ニューラルネットワークを異なるドメインの混合特徴により予備的に訓練し,次に各ドメインの入力特性を用いて,隠れ層ニューロンの保持前後の交差エントロピーの変化に従って,対応ドメインにおける隠れ層ニューロンの動作確率を決定した。最後に,DS証拠理論により最終結果を研究し,独立証拠を異なるドメインにおける未知の擾乱の同定結果から変換した。アルゴリズムは,同定精度に及ぼす単一領域の特性における誤差の影響を減少させ,雑音に対してロバストで,安定である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  エントロピー ,  ニューロン ,  *電力品質 ,  ロバスト性 ,  ニューラルネットワーク ,  アルゴリズム ,  雑音
準シソーラス用語： 証拠理論 ,  隠れ層 ,  混合特性 ,  *電力品質擾乱 ,  *特徴融合 ,  *マルチドメイン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチドメイン ,  特徴融合 ,  電力品質擾乱 ,  同定法