基于DBN神经网络的能源电力企业发展评价方法

随着全球能源互联网建设的发展,能源电力企业发展规模不断扩大,世界一流能源电力企业的对标和发展评价就显得十分重要。为解决国内能源电力企业在世界一流能源企业对标和发展评价中存在的关联信息挖掘不足,评价准确率低的问题,提出了一种基于DBN神经网络的能源电力企业发展评价方法。通过在线文本转换获取世界一流能源企业的年报数据,然后,对能源电力企业发展数据进行近邻传播聚类,并建立能源电力企业发展评价关键指标体系;采用改进粒子群算法调整能源电力企业发展评价指标的权重;采用DBN神经网络对能源电力企业发展进行评价和评价结果分析;通过对国内某能源电力企业发展评价的实例分析,其结果验证了所提方法的有效性。

基于PSO寻优与DBN神经网络的电晕损耗预测

特高压交流输电线路的电晕损耗与降雨量、比湿、温度、相对湿度、压强等天气条件有相关性,可通过部分天气条件对特高压交流输电线路电晕损耗进行预测,提出了一种特高压交流输电线路的电晕损耗预测方法。根据粒子群优化算法(particle swarm optimization,PSO)寻优机制与深度信念网络(deep belief network,DBN)预测原理,详细说明了该预测方法的智能算法机制,并提出了一套完整的基于PSO—DBN智能算法的预测方法。首先,通过斯皮尔曼相关系数的大小确定与电晕损耗有较强相关性的天气条件,并作为特征值;然后以所选特征值为指标体系构建DBN神经网络进行电晕损耗预测,再采用PSO寻优算法对DBN神经网络进行内部参数调整,提升DBN神经网络的预测准确性;最后利用所提算法对实际运行的闽浙特高压输电线路的电晕损耗进行算法预测,与该线路的运行统计电晕损耗值进行对比分析,验证了所提预测方法的可行性。该方法为特高压输电线路电晕损耗研究和工程设计提供参考。

基于层次稀疏DBN的瓶颈特征提取方法

针对现有语音特征无法有效利用长时段语音和监督性类别信息,及现有瓶颈特征提取方法耗时过长等缺陷,提出基于层次结构稀疏深度可信神经网络的瓶颈特征提取方法.该方法将重叠组套索作为深度可信神经网络目标函数的稀疏正则项使用,从而构建训练速度更快的稀疏深度可信神经网络.然后利用层次结构的网络架构方式,将两个稀疏深度可信神经网络串联后使用,进一步增强瓶颈特征的判决能力.文中将此瓶颈特征应用于音素识别中,实验表明该特征的有效性.