1 解决

131 浏览

• 7qutui 2021-04-23

采用聚类算法对居民用电负荷数据进行预测时，可利用乌鸦算法对初始聚类中心进行优化，防止聚类结果陷入局部最优。（难度：★★★）

电力人工智能技术

1 解决

52 浏览

• 915158822 2021-04-23

能源领域的数据驱动方法具有“离线建模-在线评估”的特点，即离线完成模型的构建和训练，然后对训练好的模型进行在线评估。（难度：★）

电力人工智能技术

1 解决

128 浏览

• 知与谁同 2021-04-23

金具作为输电线路的重要组成部分，利用深度学习模型可对金具缺陷进行目标检测。（难度：★）

电力人工智能技术

1 解决

116 浏览

• MY2021 2021-04-23

Faster R-CNN模型可以用于变压器部件图像的目标检测任务。（难度：★）

电力人工智能技术

1 解决

76 浏览

• ying 2021-04-23

电力安监场景智能识别需求均可采用图像目标检测技术解决。（难度：★★★）

电力人工智能技术

1 解决

102 浏览

• Lomu 2021-04-23

目前电力设备智能诊断方法中广泛使用基于统计学习方法的分类器，即机器学习方法，包括k-近邻算法、随机森林算法、支持向量机和人工神经网络等。（难度：★）

电力人工智能技术

1 解决

93 浏览

• SMALL 2021-04-23

系统状态选取与评估是配电系统可靠性评估的核心内容。（难度：★★）

电力人工智能技术

1 解决

107 浏览

• 1234567 2021-04-23

强化学习的效率优化方案可以用于提高双有源全桥直流变换器的效率和运行性能。（难度：★）

电力人工智能技术

1 解决

90 浏览

• 猫哥 2021-04-23

强化学习算法的目标可以是在双有源全桥直流变换器的整个运行范围内求解最小的损耗获得最优控制策略。（难度：★★）

电力人工智能技术

1 解决

119 浏览

• quyu1 2021-04-23

电力设备的图像增强是指有目的地强调设备整体或局部特性，将原来不清晰的设备图像变得清晰或强调设备的某些关键特征，从而改善图像质量、丰富图像信息量。（难度：★）

电力人工智能技术

1 解决

83 浏览

• qingyun 2021-04-23

由于在电力电子变换器的FPGA中，同一层的多个神经元可以并行计算，因此在构建神经网络时，多神经元的单层网络比每层少量神经元的多层网络效果要好。（难度：★★★★）

电力人工智能技术

1 解决

93 浏览

• Enoch 2021-04-23

针对电力元件故障的预测模型需要较高的泛化能力这一问题，可选用Adaboost集成算法提升性能。Adaboost算法是一种带有自适应功能，可以自动调整权值的Bagging集成算法。（难度：★★★）

电力人工智能技术

1 解决

100 浏览

• fengshan 2021-04-23

在构建配电网可靠性分类模型的过程中，元件是否正常运行可作为模型的特征，元件故障率的影响因素可作为模型的标签。（难度：★★★）

电力人工智能技术

1 解决

100 浏览

• xiaozhu 2021-04-23

构建电力用户画像可有效辅助制定用户的用电建议，但对支撑客户的负荷预测影响有限。（难度：★★★）

电力人工智能技术

1 解决

130 浏览

• 87756655 2021-04-23

绝缘子图像的目标检测中，若训练集样本较少，可先使用COCO数据集对模型进行预训练，然后将绝缘子图像输入预训练模型进行微调。（难度：★★）

电力人工智能技术

1 解决

78 浏览

• Tan2012 2021-04-23

在基于深度学习的电力设备图像处理技术中，图像分割可作为一种扩充数据集的手段。（难度：★★★）

电力人工智能技术

1 解决

52 浏览

• ahahsh 2021-04-23

在基于深度学习对电力设备图像进行识别时，图像质量不佳会增加图像处理过程中的无用信息，甚至影响图像的识别效果。（难度：★）

电力人工智能技术

1 解决

133 浏览

• 苦短 2021-04-23

针对高压输电线路的故障监测，可采用自编码器通过无监督学习的形式来学习数据的特征表示，降低特征序列的维度。（难度：★★）

电力人工智能技术

1 解决

73 浏览

• chongchong 2021-04-23

训练故障诊断模型时，如果故障种类增加，可直接增加模型输出的分类数，不需要更改模型结构或增加模型的复杂度。（难度：★）

电力人工智能技术

1 解决

132 浏览

• lzq 2021-04-23

风力发电机机械故障的原始振动数据是一维数据，可直接输入卷积神经网络进行训练。（难度：★★★）

电力人工智能技术