期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于T-DSCNN的故障选线方法研究
1
作者 鲁玉海 《电工技术》 2024年第22期193-196,共4页
研究了一种基于迁移深度可分离卷积神经网络(T-DSCNN)的故障选线方法,旨在提高电力系统中故障选线的准确性和效率。通过引入迁移学习的概念,T-DSCNN能够利用预训练的模型参数作为初始权重,加速模型的训练过程并提高其泛化能力。深度可... 研究了一种基于迁移深度可分离卷积神经网络(T-DSCNN)的故障选线方法,旨在提高电力系统中故障选线的准确性和效率。通过引入迁移学习的概念,T-DSCNN能够利用预训练的模型参数作为初始权重,加速模型的训练过程并提高其泛化能力。深度可分离卷积技术的应用减少了模型的参数量,降低了计算复杂度,从而使得模型在保持高准确率的同时更适用于实时故障选线的应用场景。在基于标准数据集的故障选线测试中,T-DSCNN表现出了优异的性能,识别速度和准确率高于传统卷积神经网络和其他故障选线方法。 展开更多
关键词 t-dscnn 故障选线 迁移学习 融合图像
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部