文献

J-GLOBAL ID：202202286341453452   整理番号：22A1130814

スパースノイズ除去自己符号化に基づく電力品質擾乱認識研究【JST・京大機械翻訳】

Research of Power Quality Disturbance Recognition Based on Sparse and Denoising Auto-Encoder

著者 (3件)： Deng Peng (武漢科技大学信息科学与工程学院,湖北 武漢430081) ,  Zhang Liangli (武漢科技大学信息科学与工程学院,湖北 武漢430081;武漢科技大学人工智能学院,湖北 武漢430081) ,  Wang Bin (武漢科技大学信息科学与工程学院,湖北 武漢430081;武漢科技大学人工智能学院,湖北 武漢430081)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 39  号： 1  ページ： 75-79  発行年： 2022年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の電力品質擾乱認識における固有ベクトル抽出精度が不足し,擾乱信号認識率が低いという問題に照準を定めて,スパースノイズ除去自己符号化モデルを使用する擾乱分類識別ネットワークを提案した。まず第一に,雑音除去を妨害信号サンプルで処理し,誤差関数にスパースペナルティ項と重み減衰項を加えた。次に,勾配降下法を用いて誤差偏導関数方程式を解き,全自己符号化モデルのデータ特徴抽出能力を強化した。最後に、Logistic分類器を用いて特徴ベクトルを識別処理し、逆微調整合モデルパラメータにより、モデル分類識別性能を向上させた。シミュレーション結果により,このモデルは,電力品質擾乱分類の訓練速度および平均認識精度において,他の試験モデルより優れ,そして,高い汎化能力を持ち,そして,異なる電力品質擾乱信号を,高い精度で,迅速に識別することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  ベクトル ,  ネットワーク ,  分類 ,  信号 ,  特徴抽出 ,  *擾乱 ,  認識 ,  *雑音低減 ,  パラメータ ,  *系統擾乱 ,  固有ベクトル ,  最急降下法 ,  誤差関数 ,  雑音除去
準シソーラス用語： 特徴ベクトル ,  モデルパラメータ ,  *電力品質擾乱 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： ノイズ除去 ,  自己 ,  符号化 ,  電力品質擾乱 ,  研究