简介:摘要在自动化领域中,最先进的当属人工智能技术,在这个信息技术时代,人工智能已经彻底改变了工程学、物理、医学和管理学领域。传统的数学模型用于解决问题或决策过程中,这是人工智能的关键原则。人工智能由于其智能特性,可以为各种问题提供更好的解决方案。在人工智能的帮助下,可以取得显著的效果。人工智能方法和应用最近在许多领域得到了广泛的关注,包括数学、神经科学、经济学、工程学、语言学、游戏和其他许多领域。这是由于创新和复杂的人工智能技术应用于高度复杂的问题,以及高速计算中的新发展。人工智能通常的应用包括机器学习、数据处理、模式识别、机器智能和分析等。电气工程行业要实现自动化必须依靠计算机技术,事实上,人工智能技术最近被应用于电气工程领域,受到了人们的广泛关注。
简介:摘要电力系统自动化技术是一个全新的技术领域,对传统技术进行改造,对现代技术进行有效利用,有助于电力系统总体技术的推进。目前,电力系统的自动化技术发展到了一个高阶段,但还是存在一些问题需要提高和完善,尤其是对于用电需求量比较大、环境条件复杂等地区,所以必须从技术和人力方面不断发展和提高,保证电力系统自动化能够得到全面的实现。伴随着电力系统自动化,的不断发展和进步,自动化以及程序化操作得到了广泛的应用,同时,建设了数字化变电站,有效提高了电力设备的操作正确性、安全性与可靠性,降低了生产成本,提高了电能质量,减少了生产强度,在技术上支持了电力系统的发展与进步,为未来电力系统的发展做基础。
简介:摘要当前的深度学习方法使用在基于大型图形处理单元(GPU)的计算机上训练的卷积神经网络(CNN)非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中,评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构,高性能计算(HPC)来自动确定网络拓扑结构,以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制,实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明,量子计算机可以在网络复杂度增加的情况下,在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中,神经形态计算机可以表示其他结构的复杂拓扑结构和权值。
简介:摘要在国民经济发展当中,电能需求量与日俱增。电力营商环境是影响区域市场主体行为的一系列综合发展环境的总和。目前我国营商环境改革在制度、服务和企业获得感等方面已经取得了可喜的成就,给人们日常的工作生活带来极大的便利。电力企业在管理和发展过程中也逐渐认识到优化营商环境对电力企业经济效益与社会效益的提高产生着重要的影响。
简介:摘要当前的深度学习方法使用在基于大型图形处理单元(GPU)的计算机上训练的卷积神经网络(CNN)非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中,评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构,高性能计算(HPC)来自动确定网络拓扑结构,以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制,实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明,量子计算机可以在网络复杂度增加的情况下,在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中,神经形态计算机可以表示其他结构的复杂拓扑结构和权值。