基于TrellisNet和注意力機制的電力設備故障檢測模型
摘要電力設備故障檢測模型的性能受到多種因素的影響,如故障種類的多樣性、故障特征的復雜性和圖像質(zhì)量的差異等.為此,本文提出一種基于TrellisNet和注意力機制的新型電力設備故障檢測模型.首先,將長短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡(Convolut(剩余11044字)
-
-
- 南京信息工程大學學報
- 2024年06期
目錄
- 基于雙流對比特性學習和圖像多尺...
- 基于擴散過程的生成對抗網(wǎng)絡圖像...
- 基于圖像變換的無監(jiān)督對抗樣本檢...
- 基于深度學習的城市積水深度預報...
- 用于分布式置換流水變速車間的雙...
- 基于遺傳算法的無人駕駛卡車路徑...
- 基于Time2Vec-LSTM...
- 基于TrellisNet和注意...
- 基于改進多目標粒子群算法的儲能...
- 基于儲能優(yōu)化控制的風電柔直并網(wǎng)...
- 基于圖數(shù)據(jù)庫和圖計算的源網(wǎng)荷儲...
- 基于多機器人的協(xié)同VSLAM綜...
- CO2濃度緩增和氮肥減施對冬小...
- 大氣中氣態(tài)氨的采集分析及氮同位...