典型文献
基于深度卷积序列残差组合神经网络的电能质量扰动分类方法
文献摘要：
针对当前电能质量扰动学习模型在参数更新过程中易出现梯度爆炸而导致参数不更新和深层神经网络容易出现过拟合的问题,提出一种深度卷积序列残差组合神经网络模型,该模型采用深度卷积神经网络对电能质量波形进行深度特征提取,使用循环神经网络对提取后的特征进行时间序列学习,使用残差神经网络对学习到的波形序列信息进行更深层的学习.同时,在卷积神经网络和残差神经网络中加入循环神经网络对电能质量扰动信号进行序列特征的学习,有效避免了由于对电能质量扰动信号序列信息学习不充分而导致的分类精度低的情况.
文献关键词：
电能质量扰动分类;深度神经网络;残差神经网络;循环神经网络;时间序列
中图分类号：
作者姓名：
田光阳;王胜昔;田世东;康星;姚蕾;钟建伟;梁会军
作者机构：
国网湖北省电力有限公司恩施供电公司,湖北 恩施 445000;湖北民族大学,湖北 恩施 445000
文献出处：
引用格式：
[1]田光阳;王胜昔;田世东;康星;姚蕾;钟建伟;梁会军-.基于深度卷积序列残差组合神经网络的电能质量扰动分类方法)[J].湖北电力,2022(05):19-24
A类：
B类：
残差组,电能质量扰动分类,分类方法,参数更新,更新过程,中易,深层神经网络,过拟合,组合神经网络模型,深度卷积神经网络,深度特征提取,循环神经网络,序列学习,残差神经网络,序列信息,电能质量扰动信号,序列特征,信息学习,分类精度,深度神经网络
AB值：
0.230891
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。
