检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:王国利[1] 郑浩[2] 郝艳捧[1] 李彦明[3]
机构地区:[1]清华大学深圳研究生院,广东深圳518055 [2]安徽淮南电力公司,安徽淮南232007 [3]西安交通大学,陕西西安710049
出 处:《广东电力》2004年第4期1-5,共5页Guangdong Electric Power
基 金:中国博士后基金资助项目(50379015)
摘 要:采用自适应遗传算法(AGA)作为神经网络的学习算法,对实验室中变压器局部放电超高频自动识别系统检测到的5种放电类型进行了模式识别。实验结果表明,AGA神经网络解决了BP神经网络对初始权值敏感、收敛速度慢和容易局部收敛的问题,具有较高的识别率和较强的推广能力,可以很好地应用于变压器局部放电的超高频模式识别中。An automated recognition system of ultra^high^frequency (UHF) partial discharge (PD) designed by the authors has been put forward to study the discharge properties in transformers. This paper presents adaptive genetic algorithm (AGA) to train neural network (NN) to distinguish between basic types of defects in transformers.Test results show that AGA^NN,as compared with BP^NN,can overcome slow convergence and possibility of being trapped at locally minimum value.Thus,the convergence, discrimination and generalization ability of AGA^NN is improved remarkably.
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.70