一种BP神经网络学习率的改进方法

    公开(公告)号:CN110245746A

    公开(公告)日:2019-09-17

    申请号:CN201910531744.9

    申请日:2019-06-19

    Abstract: 本发明公开了一种BP神经网络学习率的改进方法。该方法包括:步骤1:网络参数初始化,基于Sigmoid函数将网络输入层的初始权重值设置在(-1,1)之间或更小范围内的随机数;步骤2:给定样本输入和目标输出;步骤3:正向传播;步骤4:结果判断,判断误差函数E(w)是否符合要求,若误差函数E(w)<期望收敛精度ε,则转向步骤7,否则转步骤5;步骤5:反向传播;步骤6:将调整后的权重值继续进行迭代,判断网络误差是否满足要求,当误差函数E(w)小于期望收敛精度ε或学习次数大于设定的最大学习次数M,则转向步骤7;否,转向步骤2,进入下一轮学习;步骤7:结束算法。本发明提供的BP神经网络学习率的改进方法,更符合神经网络学习训练特性,具有更好收敛性。

    一种改进模糊综合评价的电缆运行状态评估方法

    公开(公告)号:CN112508360A

    公开(公告)日:2021-03-16

    申请号:CN202011330005.2

    申请日:2020-11-24

    Abstract: 本发明公开了一种改进模糊综合评价的电缆运行状态评估方法,包括:获取电缆接头局部放电评估特征量,并进行标准化处理;采用综合赋权法计算各评估特征量的权重值;结合电缆接头的多种运行状态划分评估等级,根据划分的评估等级确定各等级的隶属度函数;选择的同一变电站不同开关柜电缆接头各评估特征量标准化处理的值分别代入各等级的隶属度函数中,从而求得各电缆接头的模糊关系矩阵;利用得到的模糊关系矩阵,对各评估特征量的权重值进行加权平均运算,依据最大隶属度原则,确定电缆接头的运行状态对应的评估等级。本发明提供的方法采用改进的综合赋权法对局部放电的各评估特征量进行综合赋权,能够及时准确地评估出电缆接头绝缘健康状态。

Patent Agency Ranking