抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
対称性は電気システムの動力学において非常に重要な役割を果たす。最適化ニューラルネットワークアルゴリズムモデルを含む故障診断による関連電子回路を,対称性原理に基づいて設計した。回路圧力試験の効率を改善するために,並列ニューラルネットワークアルゴリズムに基づく回路圧力関数等価圧縮試験法を提案した。回路圧力試験の実装段階のために,改良ノードアルゴリズム(MNA)を用いて最適化モデルを構築し,回路網を回路圧力関数等価圧縮試験のために常微分方程式に変換した。試験はフラックスを最小化することを目的としている。次に,バックプロパゲーション(BP)ニューラルネットワークアルゴリズムデータ融合を導入して,循環圧力関数等価圧縮試験の最小フラックスモデルを最適化した。最後に,シミュレーション実験を行い,圧力試験の精度と効率におけるアルゴリズムの有効性を検証した。結果は,改良BPニューラルネットワークがデータ融合精度を改善し,サンプル訓練時間を短くすることを示した。非圧縮アルゴリズムと比較して,提案したアルゴリズムの実行時間は大いに減少して,実行効率は高かった。血管圧力試験法と比較して,収束精度に有意差はなく,105のレベルであった。並列計算問題は2パルス管圧力試験方法のいずれにおいても考慮されないので,アルゴリズムの収束時間は並列スレッドの数の増加とともに指数関数的に増加する。しかしながら,この研究におけるアルゴリズムは,並列実行の問題を考慮し,計算時間と高計算効率の著しい変化なしで,四重コアプロセッサを使用する。したがって,BPニューラルネットワークデータ融合は,高い動作効率と良い開発展望によって,電子回路の故障診断のために使用することができた。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】