针对电力系统运行中对于电力变压器进行高效、准确的故障诊断需要,文中提出了一种基于卷积神经网络的电力变压器故障诊断方法。利用电力变压器油中溶解气体分析法得到特征气体并重新对其进行二进制编码,对编码后的数据进行预处理从而得到特征向量。以特征向量为基础,构建相应的卷积神经网络模型,实现对电力变压的故障诊断。实验结果表明,相较于其他传统机器学习算法,文中所提出的卷积神经网络模型在电力变压器故障诊断时的诊断准确性与诊断效率均有显著优势,能够有效保障电力系统运行的可靠性。
1
首先它询问节点的数量,然后它生成一个节点分布在空间中并且节点之间有时间延迟的图形。 然后它根据维基百科链接中给出的理论解释使用距离矢量路由算法计算最短路径: “ http://en.wikipedia.org/wiki/Distance-vector_routing_protocol ”。
2021-11-25 10:35:52 2KB matlab
1
【手写数字识别】基于支持向量机SVM实现手写数字识别matlab源码含GUI.md
2021-11-25 10:35:24 14KB 算法 源码
1
SVM手写数字识别,使用scikit-learn库的数据库
2021-11-24 22:07:56 2KB 手写数字识别 SVM python机器学习
1
使用C++builder编写简单模拟路由器从邻居那里接收的链路状态分组作为该程序的输入,使用距离向量算法更新路由表
2021-11-24 20:56:46 93KB 距离向量算法 更新 路由表
1
采用jacobi法求解矩阵全部的特征值特征向量,在WIN-TC运行环境下,采用C程序编程。
2021-11-24 18:26:53 1KB jacobi;矩阵特征值特征向量;
1
【预测模型】基于改进粒子群优化最小二乘支持向量机lssvm求解短期电力负荷预测matlab源码.zip
2021-11-24 09:01:59 897KB 简介
1
支持向量机的回归预测问题(经典案例辛烷值预测的代码实现)
mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑,代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码: :
2021-11-23 21:28:13 1.04MB machine-learning deep-learning svm scikit-learn
1
【预测模型】基于鲸鱼算法优化最小二乘支持向量机lssvm实现预测matlab源码.zip
2021-11-23 17:16:46 1.37MB 简介
1