典型文献
基于改进FCN双路径特征融合的局部放电图谱识别
文献摘要：
针对电力设备局部放电图谱的识别问题,提出一种改进交叉熵损失函数的双路径全卷积神经网络模型.使用局放图谱作为模型输入,采用双路径的方式,两路使用不同大小卷积核分别提取图谱较深层和较浅层特征,然后进行特征融合.使用卷积层代替全连接层,更多保留局放特征间的空间关联性.改进的交叉熵损失函数可以使模型更适用于数据集样本不均衡的情况.实验结果表明,改进FCN双路径特征融合识别方法准确率达到99.31％,可以准确识别局放图谱,且模型参数量更小.
文献关键词：
局部放电;卷积神经网络;特征融合;交叉熵损失函数
中图分类号：
作者姓名：
金玉;袁和金
作者机构：
华北电力大学计算机系 保定071003;复杂能源系统智能计算教育部工程研究中心 保定071003
文献出处：
引用格式：
[1]金玉;袁和金-.基于改进FCN双路径特征融合的局部放电图谱识别)[J].电子测量技术,2022(24):132-136
A类：
B类：
FCN,双路径,特征融合,局部放电,电图,电力设备,交叉熵损失函数,全卷积神经网络,卷积神经网络模型,局放,模型输入,两路,同大,卷积核,较浅,卷积层,全连接层,空间关联性,样本不均衡,融合识别,准确识别,别局,模型参数量
AB值：
0.306179
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。
