应用DBN深度学习算法的电能计量反窃电技术研究

针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将获取的宏观高纬度数据信息转换为容易识别和计算的低纬度数据。实验表明,本研究的算法识别率高,稳定性能好。

移动终端身份认证的深度信念网络模型

文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传播算法进行有监督微调后固定模型参数;将测试手势特征数据作为模型输入层数据,经模型计算后得到输出层数据,由Softmax分类器对输出数据分类,认证用户身份。仿真实验结果表明,与连续隐马尔可夫模型、反向传播算法相比,文中深度信念网络模型能达到较低的错误率,明显提高认证的准确性。