文献

J-GLOBAL ID：202102285579372692   整理番号：21A0665709

BPニューラルネットワークとAdaboostアルゴリズムに基づく電気エネルギー計の変換率の判断【JST・京大機械翻訳】

Judgment of Transformation Rate for Electric Energy Meter Based on BP Neural Network and Adaboost Algorithm

著者 (3件)： Wang Fang (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China) ,  Huai Qing (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China) ,  Hu Zhijian (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EI2  ページ： 3011-3017  発行年： 2020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： 電気エネルギー計のための変換率は,正確な計量の前提である。配電網における電気エネルギー測定の計は,線路損失の計算のための基本データを提供する。調査では,データベースにおけるエネルギー計の転換速度のほぼ3%が実際の速度とは異なることを示した。電力エネルギー計の不正確さ変換率は,低電圧配電網の電力と線路損失率の誤差を引き起こす。しかし,日常管理におけるデータベースにおける不正確変換速度を見出すことは容易ではない。本問題を解明するために,本論文は,アダブーストとBPニューラルネットワークに基づく方式を提示して,方法の実現可能性を証明した。BPニューラルネットワークは弱い分類器として機能する。サンプルの重さと弱い分類装置の重さを,adaboostアルゴリズムに基づいて計算した。分類のためのBPニューラルネットワークにおいて,サンプル重量を利用して,BPニューラルネットワークの誤差関数を調整し,分類を最適化した。強い分類器を弱い分類器の重みづけ出力と組み合わせた。計算結果により,この方法が電力エネルギーデータに基づいて不正確率の電気エネルギー計を正確にピックアップできることを示した。BP-adaboost分類の精度はBPニューラルネットワークのものより高く,訓練時間は大いに短縮される。この方法は,低電圧配電網における線路損失管理の効率を改善し,マンパワーと材料資源の消費を大幅に削減できる。Copyright 2021 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： *アルゴリズム ,  最適化 ,  データベース ,  電力 ,  労働力 ,  分類装置 ,  重みづけ ,  誤差関数
準シソーラス用語： 低電圧 ,  AdaBoost ,  *逆伝播ニューラルネットワーク ,  *電気エネルギー ,  配電網 , 【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)： BPニューラルネットワーク ,  AdaBoostアルゴリズム ,  電気エネルギー ,  変換率