文献

J-GLOBAL ID：202202232835973843   整理番号：22A0696749

電力品質イベント認識のためのオンラインカーネルRVFLNによるプロセスロバストVMDデータのFPGAベース半教師つきマルチフュージョンRDCNN【JST・京大機械翻訳】

FPGA-Based Semisupervised Multifusion RDCNN of Process Robust VMD Data With Online Kernel RVFLN for Power Quality Events Recognition

著者 (2件)： Sahani Mrutyunjaya (Department of Electrical and Electronics Engineering, Siksha `O’ Anusandhan (Deemed to be University), Bhubaneswar, India) ,  Dash Pradipta Kishore (Multidisciplinary Research Cell, Siksha ’O’ Anusandhan (Deemed to be University), Bhubaneswar, India)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 2  ページ： 515-527  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 改良型パーティクルスウォーム最適化アルゴリズムを変分モード分解(VMD)と統合して,単一および複合電力品質事象(PQEs)の効率的な帯域制限固有モード関数(BLIMF)を抽出した。ロバストVMD(RVMD)と特権Fourierマグニチュードスペクトル(FMS)情報の選択BLIMFを,最も識別されない教師なし特徴の抽出のために,提案した縮小深畳込みニューラルネットワーク(RDCNN)に供給した。RVMD-FMS-RDCNN法は,RDCNNおよびRVMD-RDCNN法と比較して,最小特徴重複を示した。特徴ベクトルを,複雑なPQEsの迅速で正確な分類のために,新しい教師つきオンラインカーネルランダムベクトル関数リンクネットワーク(OKRVFLN)にインポートした。提案したRVMD-FMS-RDCNN-OKRVFLN法は,無雑音および雑音環境におけるRDCNN,RVMD-RDCNN,およびRVMD-RDCNN-OKRVFLN法に対して優れた認識能力を生成する。ユニークなBLIMF選択,明確な検出,記述的特徴抽出,より高い学習速度,優れた分類精度,およびロバスト抗雑音性能は,提案したRVMD-FMS-RDCNN-OKRVFLN法にかなり重要である。最後に,提案した方法アーキテクチャを開発し,非常に高速ML506 Virtex-5 FPGAにテキスト,検査し,PQEsのオンライン監視の実現可能性,性能,および実用性を検証した。Copyright 2022 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 ,  雑音 ,  ベクトル ,  変分法 ,  ニューラルネットワーク ,  特徴抽出 ,  帯域制限 ,  *電力品質 ,  計算機アーキテクチャ ,  *ロバスト性 ,  *FPGA
準シソーラス用語： 粒子群最適化 ,  雑音環境 ,  特徴ベクトル ,  オンライン監視 ,  固有モード関数 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 音響測定  (BB03040R) ,  数値計算  (JE02000J) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (9件)： 電力品質 ,  イベント ,  オンライン ,  カーネル ,  プロセス ,  ロバスト ,  FPGA ,  教師 ,  マルチ