期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
1
作者
丁皓月
吕干云
+3 位作者
史明明
费骏韬
俞明
吴启宇
《电力工程技术》
北大核心
2024年第3期99-110,共12页
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要...
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。
展开更多
关键词
电能质量
复合扰动分类
堆叠
稀疏
自
编码器
(
ssae
)
深度特征提取
缩放共轭梯度(SCG)
前馈神经网络(FFNN)
下载PDF
职称材料
基于深度学习技术的入侵检测模型研究
2
作者
崔志青
王海珍
《信息与电脑》
2023年第5期155-157,共3页
随着无线局域网的广泛应用,海量的网络流量数据产生了大量的冗余特征,影响了网络入侵检测效果,给无线局域网带来安全问题,因此提出一种基于深度学习技术的入侵检测模型。一方面,该模型使用堆叠稀疏自动编码器(Stacked Sparse Auto-Encod...
随着无线局域网的广泛应用,海量的网络流量数据产生了大量的冗余特征,影响了网络入侵检测效果,给无线局域网带来安全问题,因此提出一种基于深度学习技术的入侵检测模型。一方面,该模型使用堆叠稀疏自动编码器(Stacked Sparse Auto-Encoder,SSAE)和正则项提取特征,避免了模型过拟合和特征提取不完整的问题。另一方面,使用一维残差网络(Residual Networks,ResNets)进行网络流量分类,以AWID-CLS-R数据集为例进行实验。结果表明,多数分类检测准确率大于0.8,且模型运行稳定。
展开更多
关键词
入侵检测
堆叠
稀疏
自
动
编码器
(
ssae
)
残差网络(ResNets)
下载PDF
职称材料
题名
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
1
作者
丁皓月
吕干云
史明明
费骏韬
俞明
吴启宇
机构
南京工程学院电力工程学院
国网江苏省电力有限公司电力科学研究院
国网江苏省电力有限公司南京市溧水区供电分公司
出处
《电力工程技术》
北大核心
2024年第3期99-110,共12页
基金
江苏省高等学校自然科学研究重大项目“含高渗透率分布电源配电网电压暂降鲁棒状态估计及应用”(19KJA510012)
江苏省南京工程学院校基金(YKJ202209)资助。
文摘
随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。
关键词
电能质量
复合扰动分类
堆叠
稀疏
自
编码器
(
ssae
)
深度特征提取
缩放共轭梯度(SCG)
前馈神经网络(FFNN)
Keywords
power quality
composite disturbance classification
stacked sparse auto encoder(
ssae
)
deep feature extraction
scaled conjugate gradient(SCG)
feedforward neural network(FFNN)
分类号
TM732 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于深度学习技术的入侵检测模型研究
2
作者
崔志青
王海珍
机构
齐齐哈尔大学计算机与控制工程学院
出处
《信息与电脑》
2023年第5期155-157,共3页
基金
黑龙江省省属高等学校基本科研业务费科研项目“基于SSAE和ResNet的无线局域网入侵防御关键技术研究”(项目编号:145209126)
黑龙江省高等教育教学改革研究项目“‘新工科’背景下基于区块链技术的混合教学模式研究与实践”(项目编号:SJGY20200770)
齐齐哈尔大学研究生创新科研项目“基于SSAE_Resnet的无线网络入侵检测系统”(项目编号:YJSCX2021016)。
文摘
随着无线局域网的广泛应用,海量的网络流量数据产生了大量的冗余特征,影响了网络入侵检测效果,给无线局域网带来安全问题,因此提出一种基于深度学习技术的入侵检测模型。一方面,该模型使用堆叠稀疏自动编码器(Stacked Sparse Auto-Encoder,SSAE)和正则项提取特征,避免了模型过拟合和特征提取不完整的问题。另一方面,使用一维残差网络(Residual Networks,ResNets)进行网络流量分类,以AWID-CLS-R数据集为例进行实验。结果表明,多数分类检测准确率大于0.8,且模型运行稳定。
关键词
入侵检测
堆叠
稀疏
自
动
编码器
(
ssae
)
残差网络(ResNets)
Keywords
intrusion detection
Stacked Sparse Auto-Encoder(
ssae
)
Residual Networks(ResNets)
分类号
TP393 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类
丁皓月
吕干云
史明明
费骏韬
俞明
吴启宇
《电力工程技术》
北大核心
2024
0
下载PDF
职称材料
2
基于深度学习技术的入侵检测模型研究
崔志青
王海珍
《信息与电脑》
2023
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
