会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于GoogLeNet模型的剪枝算法_彭冬亮

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

  • 2021-05-06
  • 阅读339
  • 下载0
  • 6页
  • pdf

采用置信度风险测度的鲁棒发电计划模型及算法_李鹏飞

针对大规模风电并网所带来的电网运行调度的不确定性及运行风险,提出基于置信度风险测度的鲁棒发电计划模型及求解算法。首先,提出一种新的风险测度—置信度风险测度（Riskα）,对于既定置信度α及相应的风电功率预测区间,以弃风风险值与切负荷风险值的和构成置信度综合风险测度,以量化风电实际功率超出风电可接纳域的风险。在此基础上,以发电成本和置信度风险之和最小为优化目标,构建计及置信度风险测度的鲁棒发电计划模型及分解求解算法,同时优化机组组合决策和风电可接纳域,使得所制定的发电计划方案实现经济性和运行风险之间的均衡。最后,通过算例证明算法的正确性及有效性。

  • 2021-05-06
  • 阅读342
  • 下载0
  • 8页
  • pdf

遗传算法与行人疏散模型结合的建筑出口优化_韩雨烔

构建基于遗传算法与行人运动仿真模型的双层优化框架,选取单室双出口场景,考虑两个出口在同一侧、相邻侧、相对侧3种典型布局,设定3种人员身形,3种疏散初始人群密度,9种疏散出口大小条件,形成243个数值实验场景,分别计算获得最有利于人员疏散的出口布局。研究发现疏散出口宽度与疏散效率呈正向关系,疏散人员半径、初始人员密度与疏散效率呈负向关系,同时在不同布局中,影响疏散效率的关键参数有一定区别。

  • 2021-05-06
  • 阅读340
  • 下载0
  • 8页
  • pdf

基于三维模型贴图与结构数据的信息隐藏算法_任帅

针对三维模型信息隐藏无法有效抵抗联合攻击,秘密信息极易被破坏而无法正确提取的问题,提出一种基于三维模型贴图与结构数据的信息隐藏算法。首先,在标准图片库中选取多幅原始stl三维模型载体的纹理贴图,利用db1函数经过2次二维离散Daubechies变换将备份的隐秘消息以水印嵌入的思想隐藏其中；其次,以stl类型的三维模型为原始结构载体,利用帧化采样的小波域三维模型信息隐藏算法,将要隐藏的隐秘信息嵌入相应变换空间；最后,利用正交投影的纹理映射算法将二维贴图数据与三维stl数据矩阵相乘,生成含密obj模型文件进行传输。算法利用三维模型的贴图与拓扑坐标空间双重嵌入隐秘信息,有效增强了算法的顽健性。实验分析表明,含密三维模型的不可见性、顽健性以及抗分析性均有提升,可以实现不同类型载体冗余空间的备份隐藏嵌入,为复杂环境下的信息安全传输提供一种可靠的技术手段。

  • 2021-05-06
  • 阅读698
  • 下载0
  • 12页
  • pdf

GPFR混合模型的动态模型选择算法_赵龙波

作为一种有效的数据建模和分析工具,高斯过程混合（MGP）模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在传统的MGP模型中,高斯过程（GP）的均值被假设为零,这给其应用带来了很大的局限性,因此人们提出了可进行均值函数学习的高斯过程函数回归（GPFR）模型及其混合模型（MGPFR）进行更为精细的数据建模。与MGP模型一样,MGPFR模型同样存在着模型选择的问题。为了解决MGPFR模型的模型选择问题,本文将同步平衡准则进行了推广,并提出了相应的模型选择和动态模型选择算法,并通过实验发现了惩罚项系数的合理区间。实验表明,这些算法在模型选择和预测上均有很好表现,并且能够有效地应用于曲线聚类。

  • 2021-05-06
  • 阅读899
  • 下载1
  • 9页
  • pdf

基于Logsitic回归模型和自_省略_密度聚类算法的分行业负荷增长规律_朱涛

电力企业营配大数据的持续积累为电力用户负荷发展规律的研究提供了良好的数据基础。传统分行业负荷特性研究方法在海量数据挖掘上存在一定局限性,且缺乏对用户负荷年度成长模式的研究。应用Logsitic回归模型自动识别电力用户的饱和水平值和增长速度,形成3项用户增长特性参数。应用参数自适应的密度聚类算法,分不同行业、不同规模搜索典型用户,获取增长特性参数的典型值,形成分行业分容量的典型负荷成长曲线。所提方法能够识别电力用户的负荷成长模式,降低数据维度,具备较好的大数据处理分析效果。最后对某沿海城市3万个电力用户进行模型验证,结果表明所提方法识别度较高,经挖掘得到的分行业负荷发展规律对负荷预测、电网规划有较强的指导意义。

  • 2021-05-06
  • 阅读341
  • 下载0
  • 9页
  • pdf

基于改进的迁移率模型的生物地理学优化算法_王雅萍

生物地理学优化（BBO）算法通过迁移和变异不断更新栖息地,以寻找最优解,其中迁移率模型的优劣会直接影响算法的优化性能。针对原始BBO算法采用线性迁移率模型适应性不足的问题,基于Logistic函数、三次多项式函数以及双曲正切函数提出了三种新的非线性迁移率模型,并应用于原始BBO算法中。对17个典型的基准函数进行优化性能测试,结果表明,基于双曲正切函数的迁移率模型所得解更接近函数的全局最小值,总体表现优于原始线性迁移率模型的BBO算法以及相关改进算法中表现优异的余弦迁移率模型。稳定性测试结果表明,在不同的变异率下,基于双曲正切函数的迁移率模型在多数测试函数上表现优于原始线性迁移率模型。在满足解多样性的基础上,该模型能够较好地适应非线性迁移问题,提高寻优能力。

  • 2021-05-06
  • 阅读338
  • 下载0
  • 6页
  • pdf

一种基于粒子群算法的配电网低电压诊断模型研究_李占英

随着智能电网建设的发展,传统的基于检测技术的配电低电压原因诊断已变成基于数据挖掘的电力大数据分类技术,而着眼于低电压故障原因的数据分类研究在国内尚处于起步阶段,为此该文提出一种采用改进聚类算法和支持向量机分类算法的配电网低电压诊断模型。该模型首先采用Canopy-Kmeans的聚类算法基于配电网历史运行数据进行低电压原因的聚类分析并得出可能存在的低电压原因,然后采用经粒子群算法对支持向量机数据分类算法进行参数优化,最后使用结果参数优化的支持向量机算法对智能电表所采集的配电网实时运行数据进行低电压原因分类并最终输出低压故障原因的诊断结果。实验表明,采样基于粒子群优化的支持向量机诊断模型能够实现90%的低电压原因诊断准确度。

  • 2021-05-06
  • 阅读367
  • 下载0
  • 7页
  • pdf