基于生成对抗网络的小样本数据生成技术研究

论文摘要

基于数据驱动的深度学习技术成为新一代智能电网的应用趋势,该技术对电网中有标注训练数据的量级提出更高的要求。为了获取更多有标注的智能电网样本数据,文章提出了一种基于改进的生成对抗网络(generative adversarial network,GAN)的训练样本生成算法。该方法通过交替训练改进GAN的生成模型与判别模型,无需先验知识的指导,自主学习原始样本的分布规律,生成新的数据样本。然后采用人工神经网络作为基础分类器,计算样本分类的准确率,检验生成样本的有效性。实验表明,改进GAN模型可以有效学习样本的分布规律,提升谐波分类的准确率,该方法同时具有良好的抗噪性和泛化性,对深度学习技术在智能电网中的深入发展具有重要意义。

论文目录

• 0 引 言
• 1 生成对抗网络
• 2 基于GAN的数据样本生成算法
• 3 算例实现与分析
•   3.1 算例数据准备
•   3.2 算例训练过程分析
•   3.3 结果验证与对比分析
• 4 结 语

文章来源

类型: 期刊论文

作者: 杨懿男,齐林海,王红,苏林萍

关键词: 智能电网,深度学习,全卷积神经网络,生成对抗网络,样本生成

来源: 电力建设 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 华北电力大学控制与计算机工程学院

基金: 国家电网公司科技项目“城市电网电能质量大数据深化分析及应用技术研究”(52094018001C)~~

分类号: TM76;TP18

页码: 71-77

总页数: 7

文件大小: 1754K

下载量: 1202