简介:深度学习包括监督学习、非监督学习和半监督学习。生成对抗网络GANs已经成为非监督学习中重要的方法之一,其相对于自动编码器和自回归模型等非监督学习方法具有能充分拟合数据、速度较快、生成样本更锐利等优点。GANs模型的理论研究进展很迅速,原始GANs模型通过MinMax最优化进行模型训练;条件生成对抗网络CGAN为了防止训练崩塌将前置条件加入输入数据;深层卷积生成对抗网络DCGAN提出了能稳定训练的网络结构,更易于工程实现;InfoGAN通过隐变量控制语义变化;EBGANAk-量模型角度给出了解释;ImprovedGAN提出了使模型训练稳定的五条经验;WGAN定义了明确的损失函数,对G&D的距离给出了数学定义,较好地解决了训练坍塌问题。GANs模型在图片生成、图像修补、图片去噪、图片超分辨、草稿图复原、图片上色、视频预测、文字生成图片、自然语言处理和水下图像实时色彩校正等各个方面获得了广泛的应用。
简介:摘要配电网理论线损的计算,一直是电力系统首要关心的问题,关系到输变电行业的生存与发展,因此配电网理论计算方法的研究至关重要。目前,由于配电网结构的复杂性、参数的多样性和资料不完善以及缺乏实时监控设备,准确计算配电网理论线损比较困难,一直是个难题。本文从传统算法入手,分析其不同算法适用的场合和不足之处,提出了将遗传算法(GA)、人工神经网络(ANN)和模糊识别等理论应用于配电网理论线损计算,丰富和发展了理论线损计算方法,拓宽了研究思路。