基于稀疏降噪自编码器的深度置信网络

传统的深度置信网络（DBN）采用随机初始化受限玻尔兹曼机（RBM）的权值和偏置的方法初始化网络。虽然这在一定程度上克服了由BP算法带来的易陷入局部最优和训练时间长的问题,但随机初始化仍然会导致网络重构和原始输入的较大差别,这使得网络无论在准确率还是学习效率上都无法得到进一步提升。针对以上问题,提出一种基于稀疏降噪自编码器（SDAE）的深度网络模型,其核心是稀疏降噪自编码器对数据的特征提取。首先,训练稀疏降噪自编码;然后,用训练后得到的权值和偏置来初始化深度置信网络;最后,训练深度置信网络。在Poker Hand 纸牌游戏数据集和MNIST、USPS手写数据集上测试模型性能,在Poker Hand数据集下,方法的误差率比传统的深度置信网络降低46.4%,准确率和召回率依次提升15.56%和14.12%。实验结果表明,所提方法能有效地改善模型性能。     

旋转机械振动故障诊断的图形识别方法研究

我国近年来的旋转机械逐渐发展为大型机械,在这种发展趋势下人们开始重视对振动故障的诊断方法进行研究,在深入研究后探索出了一系列用人工识别图像来实现旋转机械振动故障诊断的方法。本文主要分析了旋转机械振动故障的机理、故障的特点以及几种图形识别方法。经过多种试验证明图形识别方法的科学可行性,值得在今后的实际操作中得到运用和发展。     

利用AHP-熵权法对负荷体系的测评优化构建与实现

随着我国城市配电网规模越来越大，运行特征也越发复杂，用电负荷也在逐年提升，对其供电能力的评估也更加深入。配电网的供电能力直接代表其供电可靠性和系统结构的优劣。传统的供电能力评估方法抓取风险状态的能力略显不足，计算结果与实际情况偏差较大。基于此种背景，提出了应用AHP-熵权法法对供电能力评估方法进行优化。并通过实例分析，证明此种评估方法具备可行性和有效性。     

基于情景模式的实践教学探索与实践——以“火电厂烟气脱硫仿真实习”课程为例

为了在有限的实践教学时间内提高学生的工程实践能力,结合现有的教学资源,需要对工程实践教学模式进行优化改进。作者以环境工程专业电力环保方向的核心实践课程“火电厂烟气脱硫仿真实习”为例,结合教学团队在项目化教学过程中的实践经验,总结出了以场景模拟,循序渐进为主导的授课模式;结合团队实践操作和团队协作的考核方式,形成了以教师为辅、学生为主的教学模式。注重能力与实效、层次分明的教学体系,实现了提升学生主动思考能力,增强学生学习兴趣的目标。通过对实践课程教学模式的改善,取得了较好的教学效果,可为相关专业的实践课程提供有益的借鉴。