章节列表
思维导图
相似题库
练习中心
顺序练习
按照章节顺序依次练习所有题目，适合系统学习
组卷考试
随机抽取题目进行练习，适合巩固知识和检验学习效果
错题重做
针对做错的题目进行重点练习，强化薄弱环节
章节练习
选择特定章节进行练习，针对性提升某一知识点
收藏题目
集中练习收藏的重点题目，加深理解和记忆
考试记录
按题型或难度进行专项练习，突破学习瓶颈
题型练习
按照章节题型获取题目练习，适合系统学习
小练习
随机抽取题目练习
高频错题
按题目做错次数，加深记忆
题目预览
电力设备的（）技术是指有目的地强调设备整体或局部特性，将原来不清晰地设备图像变得清晰或强调设备的某些特征，扩大图像中不同设备或部件之间的差别。（难度：★）
电力设备及线路的智慧巡检广泛使用目标检测技术，以下选项不属于常用的目标检测技术的神经网络结构的是（）。（难度：★）
利用Faster R-CNN可对导地线进行视觉监测，其中（）激活函数可计算特征映射图中每一个特征点属于线夹目标的概率。（难度：★）
利用“电力指纹”技术可以实现对用电设备的监测、控制、管理和友好交互。“电力指纹”技术的研究主要包括特征研究和（）。（难度：★）
在居民用电负荷预测问题中，基于负荷波动和居民行为特征，试图将未打标签的居民用户用电负荷划分为几个类别，可使用的机器学习算法为（）。（难度：★）
传统配电网的可靠性评估可以建模为一个二分类问题，以下可应用于该问题的算法是（）。（难度：★★）
（）是一种通过构建多个个体学习器并采用特定组合策略将各学习器结合起来从而产生一种有更强性能的强学习器的方法。（难度：★）
基于机器学习的智能电网假数据识别可采用各类有监督学习算法，包括支持向量机、深度学习等，这些算法都依赖于（）的历史数据。（难度：★）
针对风电机组的加速度传感器所获得的一维时域信号，可采用（）进行特征提取。（难度：★★）
采用卷积神经网络对用于故障诊断的原始振动一维数据进行建模时，可选用的方法是（）。（难度：★★★）
