摘要：传统的低压抗直流互感器动作行为检测方法中使用的算法容易陷入局部最小,所得的检测结果误差较大,以改进神经网络算法为基础,设计一种低压抗直流互感器动作行为检测方法。设计低压抗直流互感器动作行为检测装置,设计电压源、调压器以及升流器电路连接,加入二极管判断电流走势,在改进神经网络算法的基础上优化动作行为检测流程,将BP神经网络与粒子群算法相结合,利用粒子群算法改进神经网络各层阈值以及连接权重进行编码,根据得到的检测结果对低压抗直流互感器动作行为分类,判断出故障动作和保护动作。通过对不同低压抗直流互感器类型完成测试,结果表明,与传统方法相比,设计方法在电压检测过程中与数字万用表测得值之间的误差更小,验证了设计方法在实际检测中的准确性。

摘要：针对传统预测系统一直存在预测结果不准确、系统稳定性差的问题,提出并设计了基于改进神经网络算法的微博热点预测系统,其硬件部分主要对数据采集模块、微博信息传播趋势分析模块、微博热点判别模块进行了分析并设计,软件部分主要引进了改进神经网络算法,对原有系统进行了优化。实验结果表明,采用改进系统对微博热点进行预测时,其预测稳定性相比传统预测系统要优越,在相同时间内,出现波动的次数降低了2~4次,具有一定的优势。

摘要：为了提高电气设备宽频阻抗参数估算准确性,有效抑制谐波,研究基于HHT的电气设备宽频阻抗参数估算方法。获取电气设备电阻信号,利用经验模态分解方法将电阻信号分解为IMF分量;对IMF分量进行希尔伯特变换,提取希尔伯特谱,得出IMF分量的频率值;利用改进神经网络算法搭建映射关系模型,获得宽频阻抗参数估算结果。测试结果表明,利用该方法估算出的宽频阻抗参数进行谐波抑制后的总谐波失真数值较小,提高了估算准确性,解决了谐波抑制效果不佳的问题。

摘要：针对动态可重构处理器的配置信息加载延时,提出了一种基于神经网络的可扩展的重构指令预取机制.增加感受器的历史指令信息,并结合感受器权重构建新型的感受器模型,通过权重与历史指令信息的协同训练学习重构指令调用规律.在处理器运行过程中,提前完成对后续重构指令的预测及配置信息的预取,隐藏指令重构成本.进一步提出了本方法的可扩展实现框架,神经网络的学习结果作为重构指令的关联信息,被移至内存并分布式存储.在重构指令预取时,完成对神经网络学习信息的加载.实验结果表明,该方法对重构指令的预测准确率达91%,综合性能平均提升40%.