- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 81
- 收听数
- 1
- 能力
- 120 分
- 体力
- 541076 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 167701
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5324
- 主题
- 5250
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
基于MoE的倒闸操作过程识别研究 ; _+ @7 Q+ k7 G8 V2 ]# s: D# ~
3 k+ I8 ^( h; h2 n+ y0 d1 P6 B% \6 Z) M+ x0 t
倒闸操作过程是变配电运行过程中的一项重要操作,是电气设备安全运行的重要保障,因此对倒闸操3 X' s7 L l0 N7 \5 ~
作过程的识别研究具有现实意义。通过对倒闸操作过程中涉及的多种动作进行数据采集、数据分析处理、进
( u" h; ]" Y: }; e/ E行仿真实验选择合适的分类识别模型可对倒闸操作过程进行实时监测,减少误操作现象的发生。卷积神经网
4 _; ]1 P0 [* C$ f X, I! {络(CNN)和混合专家模型(MoE)分别在特征提取和特征空间利用方面表现较好,因此,用CNN实现MoE
% _ v, a- N$ h9 b模型中的Expert网络从而将两种算法融合使用可以提高模型识别的准确率,从而达到更好的效果。通过在构
: o: d3 t$ b0 @, l% I/ c建的倒闸操作数据集上进行对比实验,融合算法的识别效果优于多个常见的传统机器学习和深度学习方法。
. k6 t$ g3 V4 Y; L! j
8 Z/ R0 Z' g% ?2 s
7 j" g' W+ w; a3 q2 B t, u, q |
zan
|