期刊文献+
共找到582篇文章
< 1 2 30 >
每页显示 20 50 100
基于遗传算法优化前馈神经网络模型的配电网短期负荷预测 预览
1
作者 陈浩 戴欣 《科技创新与应用》 2020年第5期7-9,共3页
对于配电网的安全运行来说,短期的负荷预测有着重要意义。文章以某地区配电网为研究对象,利用遗传算法优化前馈神经网络,对该地区的短期负荷预测方法进行研究。电力系统短期负荷预测受到气象因素、负荷类型、时间因素等多种非线性因素... 对于配电网的安全运行来说,短期的负荷预测有着重要意义。文章以某地区配电网为研究对象,利用遗传算法优化前馈神经网络,对该地区的短期负荷预测方法进行研究。电力系统短期负荷预测受到气象因素、负荷类型、时间因素等多种非线性因素的影响,因此针对上述问题,首先确定输入,输出样本,建立前馈神经网络模型,然后利用遗传算法对前馈神经网络的缺陷进行优化,最后以MATLAB平台仿真计算。通过对比可知,经过遗传算法优化后的前馈神经网络预测模型预测精度进一步提高。 展开更多
关键词 前馈神经网络 遗传算法 短期电力负荷预测
在线阅读 下载PDF
MN-HDRM:长短兴趣多神经网络混合动态推荐模型 预览 被引量:3
2
作者 冯永 张备 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2019年第1期16-28,共13页
动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于... 动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于前馈神经网络(Feedforward Neural Networks,简称FNN)的推荐模型对用户长期兴趣建模.通过两种神经网络的融合,该文构建了一个兼顾用户短期动态兴趣和稳定长期兴趣的多神经网络混合动态推荐模型(Hybrid Dynamic Recommendation Model based on Multiple Neural Networks,简称MN-HDRM).实验结果表明相对于目前比较流行的多种动态推荐算法:TimeSVD++、基于HMM(Hidden Markov Model)的推荐模型、基于RNN(Recurrent Neural Networks)的推荐模型、基于LSTM(Long Short-Term Memory)的推荐模型和STG(Session-based Temporal Graph)推荐模型,MN-HDRM在精确率、召回率和平均倒数排名等多项评价指标上展现出更加优越的性能. 展开更多
关键词 循环神经网络 前馈神经网络 动态推荐模型 长短期兴趣 时间因素
在线阅读 下载PDF
基于单隐层前馈神经网络的优化算法 预览 被引量:1
3
作者 李娜 刘冰 王伟 《科学技术与工程》 北大核心 2019年第1期136-141,共6页
前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN... 前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。 展开更多
关键词 前馈神经网络 神经网络训练 进化算法 遗传算法
在线阅读 免费下载
一个快速动态风格传递算法 预览
4
作者 吴凌琛 《福建电脑》 2019年第9期1-5,共5页
与传统风格传递任务不同,动态风格传递是将动态图像序列的周期性变化特征传递到静态目标图像上,生成具有相似变化特征的新动态图像序列。然而利用现有的方法进行动态风格传递需要消耗大量的时间。为了改善此问题,本文提出一种基于双流... 与传统风格传递任务不同,动态风格传递是将动态图像序列的周期性变化特征传递到静态目标图像上,生成具有相似变化特征的新动态图像序列。然而利用现有的方法进行动态风格传递需要消耗大量的时间。为了改善此问题,本文提出一种基于双流卷积网络的快速动态风格传递算法。本文借鉴已有的动态风格传递方法,在双流卷积神经网络的基础上,增加了一个针对特定动态风格预训练的前馈神经网络来快速获得动态风格传递的可行解。实验结果表明,相较于其它同类算法,本文算法在保持同等传递效果的同时提升了传递速度。 展开更多
关键词 风格传递 双流卷积神经网络 快速动态风格传递 前馈神经网络
在线阅读 下载PDF
DV-HOP和接收信号强度指示结合的改进算法
5
作者 李文军 华强 +1 位作者 谭立东 孙悦 《吉林大学学报:工学版》 EI CAS CSCD 北大核心 2019年第5期1689-1695,共7页
由于DV-HOP算法易受网络拓扑的影响,定位精度不高,以及噪声和障碍对RSSI算法影响较大,由此会导致估计误差的产生,为提高定位精度以及鲁棒性,本文提出了一种DVHOP和RSSI结合的改进算法。首先,计算未知节点和锚节点间的距离,再将其输入到... 由于DV-HOP算法易受网络拓扑的影响,定位精度不高,以及噪声和障碍对RSSI算法影响较大,由此会导致估计误差的产生,为提高定位精度以及鲁棒性,本文提出了一种DVHOP和RSSI结合的改进算法。首先,计算未知节点和锚节点间的距离,再将其输入到单隐层前馈神经网络训练好的网络模型,实现完整的拓扑训练集,取代网络拓扑结构,进而得到未知节点的位置信息。在MATLAB中做仿真实验,结果表明:与传统的DV-HOP算法和改进的DV-HOP算法相比,DV-HOP和RSSI结合的改进算法具有良好的定位效果和一定的抗干扰性,而且定位误差相对较小。 展开更多
关键词 通信技术 前馈神经网络 DV-HOP算法 RSSI测距算法 改进算法 节点定位
基于深层自编码器的单幅人脸图像超分辨率技术 预览
6
作者 朱朴怀 朱航霖 张剑 《计算机时代》 2019年第1期67-70,共4页
在视频监控中,常常需要根据低分辨率图像辨识身份,此时人脸图像超分辨率技术将起到重要作用。为此提出一种基于深层自编码器的深度学习方法,用基于深层自编码器的深度前馈神经网络学习高-低图像块间的映射关系,结合分块超分辨率和基于... 在视频监控中,常常需要根据低分辨率图像辨识身份,此时人脸图像超分辨率技术将起到重要作用。为此提出一种基于深层自编码器的深度学习方法,用基于深层自编码器的深度前馈神经网络学习高-低图像块间的映射关系,结合分块超分辨率和基于邻域嵌入的残差增强得到最终结果。该算法得到的高分辨率图像与真实图像整体上较为相似,并具有一定细节信息。该技术在数字娱乐、安全监控等领域有潜在应用价值。 展开更多
关键词 人脸超分辨率 自编码器 深度学习 前馈神经网络
在线阅读 下载PDF
基于PSO的BP神经网络纱线条干CV值预测研究 预览
7
作者 聂琼 《河南科技》 2019年第17期11-13,共3页
本文简要介绍了BP神经网络所用的BP算法,针对BP算法的不足之处,采用粒子群优化算法作为BP网络的学习训练函数,优化BP网络的训练速度和精度,建立了基于PSO的BP网络模型。同时,将这种优化后的BP网络模型应用于纱线条干CV值预测技术中,验... 本文简要介绍了BP神经网络所用的BP算法,针对BP算法的不足之处,采用粒子群优化算法作为BP网络的学习训练函数,优化BP网络的训练速度和精度,建立了基于PSO的BP网络模型。同时,将这种优化后的BP网络模型应用于纱线条干CV值预测技术中,验证了该网络模型的性能。 展开更多
关键词 前馈神经网络 BP算法 粒子群算法 条干CV值
在线阅读 下载PDF
基于前馈神经网络的3D人体姿态估计 预览
8
作者 童宇青 《数字技术与应用》 2019年第1期71-72,74共3页
人体姿态估计技术应用前景广阔,是计算机视觉领域的重要研究课题之一。本文基于前馈神经网络进行3D人体姿态估计。实验结果表明,本文设计的网络结构在3D人体姿态估计任务上取得了较低的误差,获得了较好的实验结果。
关键词 前馈神经网络 人体姿态估计 深度学习
在线阅读 下载PDF
基于总体经验模态分解和CoDE-BP短期风速预测 预览
9
作者 胡亚兰 陈亮 +1 位作者 余相 王丹 《计算机技术与发展》 2019年第2期195-201,共7页
预测问题是应用机器学习的研究热点之一,是计算机技术领域在实际工程的重要应用,然而由于风速具有随机性、波动性等特性,导致风速预测存在准确率低的问题。为了提高风速预测的准确性,将总体经验模态分解(EEMD)方法引入到组合差分进化算... 预测问题是应用机器学习的研究热点之一,是计算机技术领域在实际工程的重要应用,然而由于风速具有随机性、波动性等特性,导致风速预测存在准确率低的问题。为了提高风速预测的准确性,将总体经验模态分解(EEMD)方法引入到组合差分进化算法(CoDE)和前馈(BP)神经网络中,提出了一种新颖的混合风速预测模型(EEMD-CoDE-BP)。利用EEMD将原始风速信号分解成一系列不同频率的子序列IMFs和残差序列r,通过每个子序列训练CoDE-BP模型,最终的风速预测结果由每个子序列预测结果等权求和得到。以国内某风电场每10min、1h采样间隔的风速数据进行MATLAB仿真,对比包括传统的Elman神经网络(ENN)、小波神经网络(WNN)、BP、CoDE-BP和EMD-CoDE-BP等算法,仿真结果表明所提方法能对风速进行准确有效的预测,极大地提高了预测精度,减小了预测误差。 展开更多
关键词 短期风速预测 总体验模态分解 组合差分进化算法 前馈神经网络
在线阅读 下载PDF
计及延迟效应的两段特征选择技术在负荷预测中的应用 预览
10
作者 刘伟峰 刘敏 +1 位作者 徐轶丹 罗永平 《电测与仪表》 北大核心 2019年第22期115-120,共6页
针对特征变量对负荷的影响具有延迟效应,在现有的两段特征选择技术基础上提出了一种计及延迟效应的两段特征选择技术。基于延迟交互信息(Delay Mutual Information,DMI)寻找特征与负荷之间最佳预测参考点,并借助该参考点调整相空间。对... 针对特征变量对负荷的影响具有延迟效应,在现有的两段特征选择技术基础上提出了一种计及延迟效应的两段特征选择技术。基于延迟交互信息(Delay Mutual Information,DMI)寻找特征与负荷之间最佳预测参考点,并借助该参考点调整相空间。对该相空间进行基于DMI的两段特征选择,即不相关滤波和冗余滤波,将滤波后的相空间输入预测引擎进行预测。实例对多个可能相关的变量进行分析,验证了该方法可降低预测误差和时间。 展开更多
关键词 延迟交互信息 特征选择 前馈神经网络 预测参考点 负荷预测
在线阅读 下载PDF
基于前馈神经网络的试验数据拟合实践 预览
11
作者 秦子实 《电脑知识与技术:学术版》 2019年第2期174-175,177共3页
在材料试验过程中,由于每组试验价格较为昂贵,且采集到的试验数据存在环境噪音,这种状况使得能够获得的数据较少,且数据存在一定的误差。因此,在处理试验结果时,需要一种能够通过少量数据拟合一定区间内所有试验变量对应结果的算法。该... 在材料试验过程中,由于每组试验价格较为昂贵,且采集到的试验数据存在环境噪音,这种状况使得能够获得的数据较少,且数据存在一定的误差。因此,在处理试验结果时,需要一种能够通过少量数据拟合一定区间内所有试验变量对应结果的算法。该场景对算法的实时性要求较低,而对算法拟合结果要求较高,此外,由于试验数据可能存在的误差,对拟合算法的数据容错性也有较高要求。本文将采用全连接前馈神经网络,直接在试验原始数据上进行拟合,通过梯度下降算法迭代提高拟合效果,最终获得收敛的拟合结果。 展开更多
关键词 前馈神经网络 全连接层 缩放指数线性单元 数据拟合
在线阅读 下载PDF
基于互联网数据的城市社区租金评估及空间格局制图——以深圳市为例 预览
12
作者 刘轶伦 陈逸敏 +2 位作者 刘颖 王景丽 张晖 《热带地理》 CSCD 北大核心 2019年第2期188-195,共8页
准确刻画精细化尺度下的城市房租空间格局,对于研究城市居住行为、提高城市规划合理性十分重要。文章提出了一种基于互联网房租数据作为可靠数据源的城市房租空间格局制图方法。以深圳市作为研究区,通过广泛采集开放平台中用户发布的租... 准确刻画精细化尺度下的城市房租空间格局,对于研究城市居住行为、提高城市规划合理性十分重要。文章提出了一种基于互联网房租数据作为可靠数据源的城市房租空间格局制图方法。以深圳市作为研究区,通过广泛采集开放平台中用户发布的租房信息,绘制社区行政区尺度的房租空间分布图。房租空间制图涉及到对于没有样本数据区域平均房租的评估,因此,选取一系列与房租相关的房产属性、房屋区位及配套设施的评价指标,采用前馈神经网络技术构建评估模型。以2015年深圳市的住宅租赁市场作为研究对象,通过对结果的分析,以及与权威部门发布的统计数据进行比较,表明此方法能够有效地绘制社区尺度下城市房租的空间分布,模型预测结果的误差(%RMSE)为13.87%。所使用的互联网房租数据、POIs数据及前馈神经网络的建模工具均是开源的,而且所提出的方法论具有普适性,能够应用于其他研究区的房租空间格局制图,具有实践意义。 展开更多
关键词 社区租金 互联网开放数据 安居客 前馈神经网络 POIs 深圳市
在线阅读 免费下载
基于前馈神经网络的入侵检测模型 预览
13
作者 冯文英 郭晓博 +1 位作者 何原野 薛聪 《信息网络安全》 CSCD 北大核心 2019年第9期101-105,共5页
由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题。为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入... 由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题。为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入侵检测模型的训练复杂度。通过实验验证,模型在正确率相当的情况下比S-NDAE模型训练效率明显提高。 展开更多
关键词 入侵检测 前馈神经网络 误差反向传播算法
在线阅读 下载PDF
基于机器学习的众包业务动态定价 预览
14
作者 郭卫东 周锦来 《技术经济》 CSSCI 北大核心 2018年第8期123-130,共8页
提出综合利用K-Means算法、前馈神经网络等机器学习方法进行数据挖掘的动态定价方法。以饷拍平台为例,发现该众包平台的任务地点呈明显的地域簇群现象,合理价格的内在逻辑均隐藏在地理位置信息中。为此,建立了基于地理位置的定价模型,经... 提出综合利用K-Means算法、前馈神经网络等机器学习方法进行数据挖掘的动态定价方法。以饷拍平台为例,发现该众包平台的任务地点呈明显的地域簇群现象,合理价格的内在逻辑均隐藏在地理位置信息中。为此,建立了基于地理位置的定价模型,经MATLAB训练后,该模型的损失率、可扩展性及验证结果均表现良好。之后,克服了传统静态模型数据要求高、参数长滞后的缺点,提出了将机器学习与商业数据结合的研究方法。 展开更多
关键词 众包动态定价 机器学习 K-MEANS算法 前馈神经网络
在线阅读 免费下载
基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型 被引量:1
15
作者 石佳超 罗坤 +4 位作者 樊建人 张峻溪 王晴 高翔 倪智振 《环境科学学报》 CSCD 北大核心 2018年第11期4480-4489,共10页
建立大气污染可控源排放-复合污染水平的函数关系,实现给定排放情景下环境污染物浓度的实时响应,是大气污染物浓度预测与减排效果评估等的重要技术前提.本研究对污染物浓度影响因子变化空间进行拉丁超立方采样,使用CMAQ区域多尺度空气... 建立大气污染可控源排放-复合污染水平的函数关系,实现给定排放情景下环境污染物浓度的实时响应,是大气污染物浓度预测与减排效果评估等的重要技术前提.本研究对污染物浓度影响因子变化空间进行拉丁超立方采样,使用CMAQ区域多尺度空气质量模型的预测值作为输入数据,通过前馈神经网络模型构建基于统计机器学习的长三角区域污染物浓度快速响应模型.结果表明经过模型结构选择与参数调整,基于前馈神经网络的快速响应模型能够快速准确还原出不同减排情景下长三角区域PM(2.5)浓度的预测值.外部验证情景下相关系数CORR达到0.999以上,MB与ME均值达到了-0.046μg·m~(-3)和0.6162μg·m~(-3),实现了比RSM更加快速与准确的预测,不同时段与不同污染物浓度的准确预测则验证了其普适性. 展开更多
关键词 CMAQ 拉丁超立方采样 前馈神经网络 快速响应 外部验证
基于OSELM的无刷直流电机无位置传感器控制 预览 被引量:2
16
作者 王欣 梁辉 秦斌 《电机与控制学报》 CSCD 北大核心 2018年第11期82-88,共7页
针对无刷直流电机转子位置检测问题,提出基于在线贯序极限学习机(OSELM)的无刷直流电机无位置传感器控制方法。该方法构建了一个单隐层前馈神经网络,经分析将定子端电压和电流作为OSELM网络的输入信号,逆变电路的逻辑换相信号作为O... 针对无刷直流电机转子位置检测问题,提出基于在线贯序极限学习机(OSELM)的无刷直流电机无位置传感器控制方法。该方法构建了一个单隐层前馈神经网络,经分析将定子端电压和电流作为OSELM网络的输入信号,逆变电路的逻辑换相信号作为OSELM网络的输出,将电流速度双闭环控制得到的PWM波形与OSELM网络输出进行逻辑处理得到功率开关管的控制信号,由此实现无刷直流电机的无位置传感器控制。网络参数通过离线训练得到,将训练好的网络模型应用到电机中进行在线测试。将该方法与传统反向传播(BP)神经网络方法进行比较,实验结果表明该方法避免了BP神经网络参数难以选取的问题,且在保证高精度的前提下,比传统的控制算法速度更快,验证了该方法的可行性和优越性。 展开更多
关键词 无刷直流电机 转子位置检测 极限学习机 前馈神经网络 PWM波形
在线阅读 下载PDF
基于贝叶斯优化神经网络的物体形状分类
17
作者 张善新 范强 周治平 《激光与光电子学进展》 CSCD 北大核心 2018年第6期173-178,共6页
针对传统物体形状分类算法中图像的空间结构特征表示不够准确,以及分类器模型参数易陷入局部最优的问题,提出结合重叠金字塔与贝叶斯优化神经网络的物体形状分类方法。首先,将物体轮廓分割为不同长度的轮廓片段作为形状的基本特征,... 针对传统物体形状分类算法中图像的空间结构特征表示不够准确,以及分类器模型参数易陷入局部最优的问题,提出结合重叠金字塔与贝叶斯优化神经网络的物体形状分类方法。首先,将物体轮廓分割为不同长度的轮廓片段作为形状的基本特征,并用局部线性编码器对其编码;然后,使用提出的空间重叠金字塔模型,将图像表示为空间金字塔直方图向量;最后,使用贝叶斯优化的前馈神经网络分类器对得到的图像表达进行分类。在常用的Animal标准图像库上实验证明,本文方法可以完整记录形状的内容和结构信息,与轮廓片段包算法相比,准确度提高了1.4%。 展开更多
关键词 图像处理 形状分类 贝叶斯优化 重叠金字塔 前馈神经网络
基于神经网络和维修窗的轴承维修建模 被引量:1
18
作者 张鑫 赵建民 +1 位作者 倪祥龙 李海平 《机械强度》 CSCD 北大核心 2018年第1期45-49,共5页
运用前馈神经网络对轴承寿命分布进行预测,并提出了基于维修窗的维修决策模型。首先运用神经网络对轴承寿命分布的均值和方差进行预测,从而得到轴承的寿命分布,提出基于维修窗的维修决策模型,并与基于阈值限维修模型进行对比。并对不同... 运用前馈神经网络对轴承寿命分布进行预测,并提出了基于维修窗的维修决策模型。首先运用神经网络对轴承寿命分布的均值和方差进行预测,从而得到轴承的寿命分布,提出基于维修窗的维修决策模型,并与基于阈值限维修模型进行对比。并对不同的维修窗位置与最优维修点的关系进行分析。通过运用轴承全寿命退化数据对模型进行验证,计算出两种模型的维修费用率,得出在一定的时间区间采用基于维修窗的维修决策模型优于阈值限维修模型的结论。 展开更多
关键词 滚动轴承 前馈神经网络 预测 维修窗
基于神经网络结构化组合的下行链路SINR预测 预览
19
作者 刘松林 秦晓卫 戴旭初 《遥测遥控》 2018年第4期21-28,59共9页
针对无线蜂窝系统下行链路信道SINR预测方法存在的只能对单一信道参数场景进行一步预测、预测误差较大等不足,根据信道参数变化场景下SINR序列相关性的变化,对长短期记忆网络(LSTM)和前馈神经网络(FNN)进行结构化组合,提出一种基于LSTM-... 针对无线蜂窝系统下行链路信道SINR预测方法存在的只能对单一信道参数场景进行一步预测、预测误差较大等不足,根据信道参数变化场景下SINR序列相关性的变化,对长短期记忆网络(LSTM)和前馈神经网络(FNN)进行结构化组合,提出一种基于LSTM-FNN预测模型的SINR预测方法,并通过预训练-全局训练策略和迭代调优策略对组合网络进行较好地训练。仿真实验表明,LSTM-FNN模型相比于传统的自回归积分滑动平均模型(ARIMA)和单一FNN、LSTM网络,在信道参数变化场景下具有更好的SINR预测性能,且时间复杂度的增加在可接受范围内。 展开更多
关键词 信道质量反馈延时 SINR预测 长短期记忆网络 前馈神经网络
在线阅读 下载PDF
基于场强修正模型的输电线路弧垂监测技术
20
作者 许阳 赵彬 +2 位作者 夏阳 郝新宇 李从林 《电子测量技术》 2018年第21期75-80,共6页
为保证输电线路的安全可靠运行,提出一种基于场强修正模型的输电线路弧垂监测技术。首先针对场强测量仪性能易受外界环境影响的问题,提出一种基于超限学习机的输电线路下地面场强数据修正技术,该技术利用超限学习机训练一个单隐层前馈... 为保证输电线路的安全可靠运行,提出一种基于场强修正模型的输电线路弧垂监测技术。首先针对场强测量仪性能易受外界环境影响的问题,提出一种基于超限学习机的输电线路下地面场强数据修正技术,该技术利用超限学习机训练一个单隐层前馈神经网络,用于数据修正,以解决场强测量仪测量数据不理想的问题。其次,在三相输电导线三维电场计算模型下,基于输电导线下方测量点的实时电场数据,采用模拟退火算法反演得到输电线路的弧垂值。再次,为确保及时准确地发现输电线路故障,构建弧垂电力监测系统,通过四大模块协同工作,对弧垂状况进行分析、监测和预警。最后,对所提出的修正和反演技术进行仿真,实验结果表明,所提出的技术可将反演误差降至2.21%,在有效排除气候因素的同时提高了弧垂计算精度,进而保证了电力系统的安全可靠性。 展开更多
关键词 输电线路 模拟退火 弧垂 超限学习机 前馈神经网络
上一页 1 2 30 下一页 到第
使用帮助 返回顶部 意见反馈