排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
一种改进的混沌优化算法 总被引:6,自引:0,他引:6
为了克服遗传算法的早熟现象以及混沌优化的搜索时间过长的缺点,将遗传算法、混沌优化和变尺度方法相结合,提出了一种改进的混沌优化算法.该算法利用混沌的随机性、遍历性和规律性来避免陷入局部极小值,从而也克服了遗传算法中的早熟现象,同时引入了变尺度方法提高该算法的搜索速度.本文还给出了算法的收敛性分析.对典型测试函数的仿真结果表明此算法优于变尺度混沌优化和遗传算法. 相似文献
2.
综合考虑起始电流值、电流衰减指数与极化作用对蓄电池快速充电的影响,提出一种改进型自适应双间歇脉冲宽度调制(PWM)充电模式,在有效减弱充电过程极化作用的同时,利用充电间歇时段分析蓄电池当前状态,实时调整各时段最佳充电电流起始值与电流衰减指数。克服快速充电时段前期电流偏小、后期电流偏大的缺点。对实时动态调整阶段进行了结构设计,论述调整过程及物理可实现性。 相似文献
3.
针对高压电力输电线智能定位法中由于采用特征提取算法导致定位速度慢的问题,提出一种基于电压振幅和支持向量回归机的高压电力输电线故障智能定位系统。首先使用Matlab建立一条220 k V/300 km的高压电力输电线,并在此输电线上模拟出不同过渡电阻、不同位置、不同故障类型和故障初始角的故障信号。此系统使用单端测量方式,并只采集电压故障信号。采集到的电压故障信号经过低通滤波剔除干扰信号后,提取故障点后1/2周期的电压幅值作为故障特征信号,由支持向量回归机对故障特征信号进行训练和验证,实现对故障的精准定位。仿真研究表明,此系统不仅在很大程度上提高了故障定位的速度,而且故障定位的精度也非常高。 相似文献
4.
5.
6.
7.
针对在大样本数据集下,梯度下降法长期性存在着容易收敛到局部最优和收敛速度慢等问题,通过改变网络结构和梯
度下降过程,提出了一种动态衰减网络和动态衰减梯度下降算法。 在现有网络的基础上,层与层的每个神经元之间增加一条衰
减权重,同时在梯度下降过程中引入了衰减权重项。 衰减权重值随着迭代不断衰减,最终趋于 0。 由于衰减权重项的增加,可
以在梯度下降的前期加快梯度下降速度和收敛速度,同时可以避免越过最优解和在最优解附近振荡,提高了网络获得最优解的
概率。 通过 MNIST 、CIFAR-10 和 CIFAR-100 数据集的实验结果证实,所提出的动态衰减网络和算法,相比原始网络使用 Adam
和动量随机梯度下降法,测试准确度分别提高了 0. 2% ~ 1. 89%和 0. 75% ~ 2. 34%,同时具有更快的收敛速度。 相似文献
8.
This paper presents a chaos-genetic algorithm (CGA) that combines chaos and genetic algorithms. It can be used to avoid trapping in local optima profiting from chaos’randomness,ergodicity and regularity. Its property of global asymptotical convergence has been proved with Markov chains in this paper. CGA was applied to the optimization of complex benchmark functions and artificial neural network’s (ANN) training. In solving the complex benchmark functions,CGA needs less iterative number than GA and other chaotic optimization algorithms and always finds the optima of these functions. In training ANN,CGA uses less iterative number and shows strong generalization. It is proved that CGA is an efficient and convenient chaotic optimization algorithm. 相似文献
9.
10.
基于电流振幅与SVM的输电线路故障分类 总被引:4,自引:0,他引:4
为了进一步提高输电线路故障分类识别的速度与准确度,本文提出了一种基于电流振幅与支持向量机相结合的故障分类新方法。该方法针对三相故障电流信号,不采用任何特征提取算法,仅通过滤波处理后,截取故障后半个周期的三相电流振幅数据作为基本故障特征信号,然后结合支持向量机智能分类算法,实现对输电线路故障的分类识别。通过大量分析实验,Matlab仿真结果表明,该故障分类方法判别过程简单、快速,并且不易受故障位置、故障初始角、过渡电阻等因素的影响,具有良好的适应性,故障分类准确率可达99.75%。 相似文献