-
题名一种改进的5层深度学习结构与优化方法
被引量:8
- 1
-
-
作者
毛勇华
代兆胜
桂小林
-
机构
西安交通大学电子与信息工程学院
西安工程大学理学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第6期147-150,共4页
-
基金
国家自然科学基金(61472316)
陕西省重大基础研究计划项目(2016ZDJC-05)
+1 种基金
中央高校基本科研业务费专项资金(XKJC2014008)
陕西省重点研发项目(2017ZDXM-GY-011)
-
文摘
已有研究针对5层神经网络结构中各隐层节点数的选取并不明确。为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法。将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点数分别等于第一隐层和输入层的节点数,然后采用样条插值方法优化选择第一隐层、第二隐层节点数。该结构特征只需预训练前2层权重,简化了DBN的受限玻尔兹曼机预训练方法。MNINST数据集上的实验结果验证了该网络结构的高效性与高准确率。
-
关键词
深信度网络
预训练
节点选择
样条插值
受限玻尔兹曼机
-
Keywords
Deep Belief Networks(DBN)
pre-training
node selection
spline interpolation
Restricted Boltzmann Machine(rbm)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于图像识别的输电线路设备缺陷识别应用系统设计
被引量:4
- 2
-
-
作者
翟瑞聪
林俊省
郑桦
-
机构
广东电网有限责任公司机巡管理中心
南方电网数字电网研究院有限公司
-
出处
《电子设计工程》
2022年第6期161-164,169,共5页
-
文摘
为更好地保障输电线路设备的电子汇集能力,并实现对高压电网络结构的合理性规划,基于图像识别技术设计了一种输电线路设备缺陷识别应用系统。联合输电循环回路,妥善连接任务管理模块与电量基站控制设备,完成对系统硬件执行环境的搭建。在此基础上,设计卷积神经网络,借助栈式自动编码器结构体,对RBM识别节点进行训练处理,完成系统软件执行环境的搭建。将软硬件结构结合,实现基于图像识别输电线路设备缺陷识别系统的顺利应用。对比实验结果表明,与传统的深度学习型缺陷识别系统相比,该文系统可同时检测的传输电子量更多,且既定时间节点处的识别精准度也更高,能够较好地实现对输电线路设备电子汇集能力的保护。
-
关键词
图像识别
缺陷识别
循环回路
卷积神经网络
自动编码器
rbm节点
-
Keywords
image recognition
defect recognition
circulating loop
convolutional neural network
automatic encoder
rbm node
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-