典型文献
基于改进卷积神经网络的电力通信网故障诊断研究
文献摘要：
针对当前电力通讯网络故障诊断方法及时性差、准确率低和自我学习能力差等缺陷,提出基于改进卷积神经网络的电力通信网故障诊断方法,结合ReLU和Softplus两个激活函数的特点,对卷积神经网络原有激活函数进行改进,使其同时具备光滑性与稀疏性;采用ReIU函数作为作为卷积层与池化层的激活函数,改进激活函数作为全连接层激活函数的结构模型,基于小波神经网络模型对告警信息进行加权操作,得到不同告警类型和信息影响故障诊断和判定的权重,进一步提升故障诊断的准确率;最后通过仿真试验可以看出,改进卷积神经网络相较贝叶斯分类算法与卷积神经网络具有较高的准确率和稳定性,故障诊断准确率达到99.1％,准确率标准差0.915％,为今后电力通讯网智能化故障诊断研究提供一定的参考.
文献关键词：
电力通信网络;故障诊断;激活函数;告警类型
中图分类号：
作者姓名：
郭瑜;童丽娜;倪旭明
作者机构：
国网金华供电公司,浙江金华321000
文献出处：
引用格式：
[1]郭瑜;童丽娜;倪旭明-.基于改进卷积神经网络的电力通信网故障诊断研究)[J].计算机测量与控制,2022(02):24-30
A类：
Softplus,ReIU,告警类型
B类：
改进卷积神经网络,诊断研究,电力通讯,通讯网,网络故障诊断,故障诊断方法,及时性,ReLU,激活函数,光滑性,稀疏性,卷积层,池化,全连接层,于小波,小波神经网络,告警信息,同告,信息影响,仿真试验,贝叶斯分类,分类算法,故障诊断准确率,电力通信网络
AB值：
0.248115
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
