介绍一种能够有效地获取数据本质的基于受限玻耳兹曼机(RBM)神经网络的降维(RBMNNBDR)方法,并结合主元成分分析法(PCA),提出了一种新颖的复合特征降维方法,即PCA-RBMNNBDR.
基于16个网页-相关网页
输入特征选择和输入空间降维是基于神经网络暂态稳定评估的首要问题。
Feature selection and input dimension reduction are of Paramount im-portance to transient stability assessment based on neural networks.
本文采用主成分分析技术对过程数据降维，然后用降维后的数据训练神经网络，建立软测量模型。
Then, USES PCA to reduce the dimensions of process data, trains the neural network with that data, and establishes the soft sensor.
提出一种采用神经网络进行电力系统短期负荷预测的降维方法。
A reduced dimensions method applying neural network is proposed for short term load forecasting.
应用推荐