针对深度学习模型在电力负荷识别中存在的识别率不高,超参数设置等问题,提出了一种粒子群优化算法(PSO)与卷积神经网络(CNN)相结合的非侵入式电力负荷识别模型(PSO-CNN).首先,以各电器轨迹像素化图像作为CNN输入;其次,分析CNN超参数对模型性能影响,并使用PSO算法寻求最优解以提升模型识别效果;最后,基于PLAID,WHITED...
摘要 针对卷积神经网络(convolutional neural network,CNN)在各类任务中性能的优劣受超参数的影响,以及传统蜉蝣优化算法(mayfly optimization algorithm,MOA)的求解精...展开更多 To address the issues of the impact of hyperparameters on the performance of convolutional neural network(CNN)in various tasks,and to...