本文選題：電能替代 + 增量反饋　； 參考：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年11期

【摘要】：針對電能替代終端能源評價(jià)方法中存在的效率低、精確度不高等問題,提出一種基于深度學(xué)習(xí)思想的電能替代終端能源的評價(jià)模型。重新設(shè)計(jì)最優(yōu)RBM訓(xùn)練算法,提出增量反饋的模型優(yōu)化迭代策略,優(yōu)化模型訓(xùn)練參數(shù)的初始化賦值,提升電能替代終端能源評價(jià)效率和精確度。實(shí)驗(yàn)結(jié)果表明,對比其它優(yōu)化算法模型,增量反饋的RBM在抽取和表現(xiàn)特征方面,能夠很好將樣本的本質(zhì)特征體現(xiàn)出來,取得了更加高效和準(zhǔn)確的評價(jià)結(jié)果。
[Abstract]:In order to solve the problems of low efficiency and low precision in the energy evaluation method of power substitution terminal, a new evaluation model based on the idea of deep learning is proposed.This paper redesigns the optimal RBM training algorithm, proposes an incremental feedback model optimization iterative strategy, optimizes the initialization assignment of model training parameters, and improves the efficiency and accuracy of energy evaluation for power substitution terminals.The experimental results show that, compared with other optimization algorithms, incremental feedback RBM can well reflect the essential features of samples in terms of extraction and representation features, and obtain more efficient and accurate evaluation results.
【作者單位】： 國網(wǎng)北京市電力公司;國網(wǎng)北京市電力公司電力科學(xué)研究院;
【分類號】：TK01;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 ;能源轉(zhuǎn)換[J];能源與節(jié)能;2012年07期

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 郭力方;國家能源局：我國終端能源價(jià)格偏低[N];中國證券報(bào);2012年

，

本文編號：1732855