检索结果-内蒙古大学图书馆

电力系统保护与控制 2025年第5期53卷 123-134页

作者：李博通孙铭阳张婧陈发辉陈晓龙王永祺武娇雯魏然天津大学智能电网教育部重点实验室天津300072 国家电网有限公司华北分部北京100053 国网天津市电力公司天津300010

针对多环配电网的拓扑辨识问题,考虑到量测信息可能部分缺失的情况,提出了基于深度神经网络融合欧氏距离的多环配电网拓扑辨识方法。首先,分析了传统拓扑辨识中相关性判断法应用于环状配电网的局限性,在此基础上提出基于欧氏距离的拓扑... 详细信息

针对多环配电网的拓扑辨识问题,考虑到量测信息可能部分缺失的情况,提出了基于深度神经网络融合欧氏距离的多环配电网拓扑辨识方法。首先,分析了传统拓扑辨识中相关性判断法应用于环状配电网的局限性,在此基础上提出基于欧氏距离的拓扑辨识判据。然后,针对量测信息缺失时的多环拓扑辨识问题,研究了利用深度神经网络融合欧氏距离判据的拓扑辨识方法。最后,在Matlab中利用MatPower搭建32节点“蜂巢”电网模型,在缺失不同比例的量测数据情况下验证方法的准确性。结果表明,当缺失大量量测数据时,所提方法仍有较高的拓扑辨识准确率。

关键词：欧氏距离多环配电网深度神经网络拓扑辨识量测信息缺失

来源：评论

学校读者我要写书评

暂无评论

基于Stackelberg博弈与改进深度神经网络的多源调频协调策略研究

引用

全球能源互联网 2025年第1期8卷 76-86页

作者：王永文赵雪锋李夏叶詹巍单怡琳闫启明赵泽宇杨锡运国家电投集团四川电力有限公司四川省成都市610213 国家电投集团西南能源研究院有限公司四川省成都市610218 华北电力大学控制与计算机工程学院北京市昌平区102206

随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural net... 详细信息

随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural network,S-DNN)的多源调频协调策略。首先,设计一种改进多层次深度神经网络(deep neural network,DNN),由DNN层、自然梯度提升层、最小二乘支持向量机层顺序递进完成预测、评价、执行动作,输出总调频功率指令。该多层次总调频功率输出模型考虑新能源渗透率对调频系统的动态影响,充分学习历史信息与实时状态中更多的特征,提高了时序调频指令精度。然后基于Stackelberg博弈理论,考虑多源调频特征与协同作用,优化各调频源间的功率分配,提高系统二次调频的经济性。最后,通过算例分析验证了提出的多源调频协调策略的有效性。与传统调频方法相比,所提出的S-DNN多源调频协调策略可有效降低区域控制误差与频率偏差,并降低调频成本。

关键词：多源系统二次调频 Stackelberg博弈深度神经网络自然梯度提升最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

边缘资源轻量化需求下深度神经网络双角度并行剪枝方法

引用

沈阳工业大学学报 2025年第2期47卷 250-257页

作者：张云翔高圣溥清华大学信息科学技术学院北京100062 深圳供电局有限公司信息中心广东深圳518000

【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深... 详细信息

【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深度神经网络的复杂度和计算量以适应边缘设备对资源轻量化的需求,已成为当前研究的重要方向。提出了一种结合蚁群算法与双角度并行剪枝的深度神经网络优化方法,以提升深度神经网络在边缘设备中的性能。【方法】分析了深度神经网络的结构特点,并构建了包含多个隐藏层的模型。通过蚁群算法模拟蚂蚁觅食过程中的信息素传递机制,在复杂空间中寻找近似最优解,对隐藏层中的相似节点进行聚类,识别并归类高度相似的神经元节点,从而缩减网络规模并降低复杂性。在聚类结果的基础上,提出了对聚类后的冗余节点及游离节点双角度并行剪枝策略:一方面,从权重矩阵的稀疏性出发,裁剪权重较小的节点,以减少计算开销;另一方面,从节点贡献度角度评估每个节点对整体输出的影响,裁剪贡献度较低的节点,从而进一步优化网络结构。【结果】实验结果表明,与未剪枝的原始模型相比,在相同的计算时间内,本文方法剪枝后的深度神经网络在保持较高精度的同时,其数据量高达120 MB、网络复杂度平均值为88.32%、可拓展性为99%。这一结果表明,在有限的资源条件下,该方法能够显著提升深度神经网络的运行效率,更好地满足边缘设备的应用需求。实验结果不仅验证了该方法的有效性,也为深度神经网络在边缘设备上的部署和应用提供了新思路。【结论】提出的优化方法通过在剪枝过程中应用蚁群算法,实现了隐藏层相似节点的精准聚类,为后续的剪枝处理提供了明确目标。同时,双角度并行剪枝策略提升了剪枝的效率和效果,确保剪枝后模型在精度和可拓展性方面的平衡。该方法不仅能够促进深度神经网络在边缘设备上的广泛应用,也为复杂网络优化问题提供了借鉴和参考价值。

关键词：边缘资源轻量化需求深度神经网络双角度并行剪枝方法蚁群算法冗余节点游离节点

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的硅基混合复用/解复用器设计

引用

光学学报 2025年

作者：张淋谢龙勤相子涵蔡忠贸高亚太蒋卫锋南京信息工程大学自动化学院

深度神经网络（DNN）在光子器件的快速设计中展现出卓越性能，成为硅光子学领域的前沿技术。我们基于DNN逆向设计了一种TM0、TE0和TE1三种模式的硅基混合复用/解复用器，优化设计得到的混合复用/解复用器件尺寸为4.8×2.56μm2。实... 详细信息

深度神经网络（DNN）在光子器件的快速设计中展现出卓越性能，成为硅光子学领域的前沿技术。我们基于DNN逆向设计了一种TM0、TE0和TE1三种模式的硅基混合复用/解复用器，优化设计得到的混合复用/解复用器件尺寸为4.8×2.56μm2。实验测试结果显示，在1550 nm中心波长处，TM0、TE0和TE1模式插入损耗分别为0.56 dB、0.31 dB和0.93 dB，复用/解复用串扰小于-17.63 dB，且工作带宽大于100 nm。基于DNN的逆向设计方法可快速设计并实现高集成度、高性能硅基混合复用/解复用器，为大容量片上光通信和光互联提供关键器件。

关键词：深度神经网络逆向设计模分复用硅基混合复用/解复用器

来源：评论

学校读者我要写书评

暂无评论

多源异质数据下深度神经网络的整合分析及其应用

引用

统计研究 2025年第2期42卷 122-134页

作者：王小燕冮建伟王洁丹王德青湖南大学金融与统计学院长沙理工大学数学与统计学院中国矿业大学经济管理学院

随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMC... 详细信息

随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMCP惩罚,以识别重要特征以及处理数据的异质性,其中外层MCP识别对多源数据集整体显著的特征;中层MCP识别特征在数据集层面的异质性;内层Lasso识别DNN节点的异质性。这种嵌套设计旨在促进数据集间的信息共享。本文对L_(1)-CMCP进行局部线性近似,再采用近端梯度下降算法进行模型估计。模拟分析表明,IADNN在特征选择和分类预测方面均有良好表现。当多源数据部分异质时,所提方法的F_(1)分数、FPR等评估指标均优于各数据集独立建模和合并建模的方法;在多源数据完全异质或完全同质时,所提方法取得了与理论最佳模型相近的效果。最后,将IADNN应用于不同经济发展水平地区的信用违约数据,发现该模型在风险指标选择和违约预测方面具备有效性。

关键词：多源数据整合分析深度神经网络信用评分

来源：评论

学校读者我要写书评

暂无评论

一种深度神经网络多步延迟参数更新并行优化方法

引用

哈尔滨工业大学学报 2025年

作者：巨涛康贺廷刘帅丁肖健王龙翔兰州交通大学电子与信息工程学院西安交通大学计算机科学与技术学院

为解决深度神经网络（deep neural network，DNN）分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题，提出了一种DNN多步延迟参数更新并行优化方法。首先设计了一种自适应多步更新间隔选择策略，通过多... 详细信息

为解决深度神经网络（deep neural network，DNN）分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题，提出了一种DNN多步延迟参数更新并行优化方法。首先设计了一种自适应多步更新间隔选择策略，通过多次本地迭代，再聚合节点梯度，以降低频繁通信造成的额外开销；同时提出了一种参数修正策略，防止本地模型在多步本地更新后偏离全局模型，从而保证训练精度；其次在聚合梯度时，将梯度张量切分为子张量，在梯度聚合过程中实现通信与计算的最大化重叠，进一步加速模型训练；最后在CIFAR-100和ImageNet-mini数据集上，将本文方法与SSGD、Local SGD训练方法进行实验对比。实验结果表明，本文方法可以在保证模型训练精度的基础上，显著减少因参数更新引入的通信开销，可以实现通信与计算的最大化重叠、充分利用计算资源进提升并行训练速度。研究结果可为降低DNN分布式训练过程中的通信开销提供新的方案。

关键词：深度神经网络数据并行通信调度参数更新计算与通信重叠

来源：评论

学校读者我要写书评

暂无评论

响应面法结合深度神经网络优化刺五加果多糖提取工艺

引用

包装与食品机械 2025年第2期43卷 66-74页

作者：苏适董立强黎莉王双侠王喜庆张金凤绥化学院食品与制药工程学院黑龙江绥化152000

为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型... 详细信息

为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型;利用DNN模型解析多因素间非线性关系,优化工艺条件。结果表明,DNN模型得到的最优工艺条件为微波功率350 W、离子液体浓度0.6 mol/L、提取时间35 min、料液比1∶24(g/mL),多糖提取率为16.71%,高于响应面法优化的提取工艺结果。体外抗氧化试验显示,刺五加果多糖对羟基自由基、DPPH自由基和ABTS^(+)·自由基的半数抑制浓度(IC_(50))分别为2.36,2.05,2.47 mg/mL。研究为刺五加果在功能性食品及抗衰老保健品开发中的应用提供理论依据。

关键词：刺五加果多糖工艺优化响应面法深度神经网络抗氧化活性

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的隐私保护基因检测

引用

计算机工程与科学 2025年第2期47卷 265-275页

作者：黄颖唐敏桂林电子科技大学数学与计算科学学院广西桂林541004 广西应用数学中心(桂林电子科技大学) 广西桂林541004 广西高校数据分析与计算重点实验室广西桂林541004

深度神经网络(DNN)功能强大,被广泛应用于生物医学中的基因检测。构建可靠的DNN模型需要大量有效医疗样本,而现实中生物数据通常分散存储且具有高度隐私。现有方案在处理此类分布式大规模的复杂学习任务时,难以在实现数据安全的同时保证... 详细信息

深度神经网络(DNN)功能强大,被广泛应用于生物医学中的基因检测。构建可靠的DNN模型需要大量有效医疗样本,而现实中生物数据通常分散存储且具有高度隐私。现有方案在处理此类分布式大规模的复杂学习任务时,难以在实现数据安全的同时保证DNN模型的高精度。为此,提出一个基于DNN的隐私保护方案,联合多方数据快速构建起精确的基因检测模型。首先,使用盲化矩阵结合内积函数加密消除全同态、秘密共享等方案中需要的近似替换策略,确保在隐私保护的同时,实现与明文集中式训练一致的效果。其次,构造非交互式训练模式抵抗全局模型参数泄漏造成的推断攻击,保证数据安全。在真实医疗数据集上的实验结果表明了所提方案的正确性、有效性和高精度。

关键词：深度神经网络基因检测隐私保护盲化矩阵内积函数加密

来源：评论

学校读者我要写书评

暂无评论

基于特征可视化探究跳跃连接结构对深度神经网络特征提取的影响

引用

计算机工程 2025年第4期51卷 149-157页

作者：郭佩林张德王怀秀北京建筑大学电气与信息工程学院北京100044

由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,... 详细信息

由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,这些模型仍然被认为是黑盒。为了分析跳跃连接结构对深度神经网络特征提取的影响,从特征可视化的角度,以基于扰动的方法为切入点,提出一种在保持图像总体颜色分布和轮廓特征基本不变的前提下弱化图像细节特征的扰动方法,并将其命名为网格乱序模糊(GSB)方法。同时,研究结合特征可视化中的激活最大化(AM)方法和所提出的GSB扰动方法,分析了拥有不同程度跳跃连接结构的经典图像分类深度神经网络模型VGG 19, ResNet 50和DenseNet 201。实验结果表明,没有跳跃连接结构的深度神经网络只提取了图像中较强的特征,提取的特征数量比较少,而拥有跳跃连接结构的深度神经网络提取了图像中更多的特征,但是这些特征相对较弱;跳跃连接结构使模型更关注图像的局部颜色分布和全局总体轮廓,而不过多依赖图像细节特征,并且跳跃连接结构越密集,这种趋势越强。

关键词：深度神经网络跳跃连接结构特征可视化激活最大化扰动方法可解释性

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的航空叶片表面缺陷检测算法

引用

光电子.激光 2025年第2期36卷 130-135页

作者：苏宝华张吟龙张男冯选中国航发沈阳黎明航空发动机有限责任公司产品检验检测中心辽宁沈阳110043 中国科学院沈阳自动化研究所工业控制网络与系统研究室辽宁沈阳110169 沈阳化工大学信息工程学院辽宁沈阳110142

航空叶片表面缺陷的准确检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题,本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为... 详细信息

航空叶片表面缺陷的准确检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题,本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为了提高检测实时性,本文设计了深度可分离卷积(depthwise separable convolution,DSC)模型分解标准卷积;为了降低小目标缺陷漏检,本文设计了SE-PAN(squeeze-and-excitation path aggregation network)模型对每个通道的特征进行重标定,使得具有更强信息的特征得到更多的关注;为了提高定位准确度,本文设计了Focal-DIOU(focal-distance intersection over union)损失函数减弱低效框的作用。在本文的航空叶片表面缺陷数据集上的实验证明:本文算法的Precision、Recall、AP达到了95.7%、94.6%、96.3%,检测帧率达到24帧/s,均优于主流检测算法。

关键词：缺陷检测深度神经网络损失函数注意力模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：