典型文献
CNCP:一种新型仿生的轻量级电能质量扰动信号分类模型
文献摘要：
电能质量扰动信号分类对智能电网的稳定以及安全运行具有重要意义.针对当前电能质量信号分类模型中分类准确度不高、分类模型参数较多等问题,本文首次提出了一种基于NCP(Neural Circuit Policy)的轻量级电能质量信号分类模型CNCP(Classification-NCP),CNCP网络模型由信号特征提取、预分类和分类优化3个部分构成.首先,通过引入一维卷积核代替传统二维卷积核对信号进行特征提取,从而更有效的提取信号潜在特征.其次,通过优化NCP神经元数,减少了在特征处理过程中信息的损失.最后,通过全连接网络对预分类结果进行优化,提高了CNCP网络的泛化能力.在IEEE-1159电能质量扰动信号数据集上的实验结果表明,本文提出的CNCP与其他常用的电能质量扰动信号分类模型相比,分类结果准确性更高,抗噪性更强,模型参数更少.
文献关键词：
电能质量信号;信号分类;深度学习;循环神经网络;轻量级网络
中图分类号：
作者姓名：
简献忠;赖左略
作者机构：
上海理工大学光电信息与计算机工程学院,上海200090
文献出处：
引用格式：
[1]简献忠;赖左略-.CNCP:一种新型仿生的轻量级电能质量扰动信号分类模型)[J].小型微型计算机系统,2022(11):2251-2256
A类：
CNCP
B类：
仿生,电能质量扰动信号,信号分类,分类模型,智能电网,电能质量信号,Neural,Circuit,Policy,Classification,信号特征提取,预分,分类优化,一维卷积,卷积核,二维卷积,核对,取信,潜在特征,特征处理,中信,全连接网络,泛化能力,IEEE,号数,结果准确性,抗噪性,循环神经网络,轻量级网络
AB值：
0.25953
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
