相关题目
基于深度学习的电力设备故障检测主要采用()的方法,通过对大量历史数据进行线下训练,生成智能分析模型。(难度:★)
高斯混合模型(Gaussian Mixture Model,GMM)在电力语音识别任务中主要的功能是()。(难度:★★★)
利用(),系统运营商可以通过在线学习过程自适应地确定风电转换率,解决了用户负荷需求曲线的不确定性、电价的灵活性和风力发电间歇性等带来的问题。(难度:★)
基于深度学习的电力设备图像识别问题中,面对分布不均的设备图像,模型极易产生过拟合问题,下列可解决该问题的方法是()。(难度:★★)
智能体与其环境进行交互以获取状态信息,并在每个时间步长从动作集合中选择一个动作,然后接收当前时间步长的奖励、环境进入下个状态,该类学习方法为()。(难度:★)
智能电网信息系统的假数据识别已采用监督学习,非监督学习,强化学习等方法,其中对于无标签的数据样本的应用场景,可采用()算法。(难度:★★)
在构建居民用电负荷预测模型时,特征选取时需要表征不同时段用户电表数据的波动情况,可选用()特征。(难度:★)
绝缘子在输电线路中用量庞大,针对绝缘子缺陷进行目标检测时,可先使用目标框聚类的方式确定初始目标框。可用于计算目标框向量距离的方法为()。(难度:★★)
为解决电力系统中绝缘子图像的目标定位问题,可以基于()进行建模。(难度:★★)
电力设备的故障诊断多为复合故障,即故障种类为一个多种分类的集合,以下可用于该类问题的算法是()。(难度:★)
