به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

ica algorithm

در نشریات گروه برق
تکرار جستجوی کلیدواژه ica algorithm در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه ica algorithm در مقالات مجلات علمی
  • Pardis Asghari, Alireza Zakariazadeh*

    This paper proposes a novel approach to analyzing and managing electricity consumption using a clustering algorithm and a high-accuracy classifier for smart meter data. The proposed method utilizes a multilayer perceptron neural network classifier optimized by an Imperialist Competitive Algorithm (ICA) called ICA-optimized MLP, and a CD Index based on Fuzzy c-means to optimally determine representative load curves. A case study involving a real dataset of residential smart meters is conducted to validate the effectiveness of the proposed method, and the results demonstrate that the ICA-optimized MLP method achieves an accuracy of 98.62%, outperforming other classification methods. This approach has the potential to improve energy efficiency and reduce costs in the power system, making it a promising solution for analyzing and managing electricity consumption.

    Keywords: Smart Meter, Fuzzy C-Means, MLP Neural Network, ICA Algorithm, Residential Electricity Customers
  • مهدی مهدی خانی*، محمدحسین کهایی
    در این مقاله الگوریتم جدید LICAD برای حل جایگشت محلی الگوریتم ICA و افزایش کیفیت جداسازی آن در حوزه فرکانس پیشنهاد شده است. در الگوریتم پیشنهادی، در هر bin فرکانسی ابتدا بر اساس ماتریس جداساز الگوریتم ICA، تخمینی از زوایای منابع بدست می آید. سپس زوایای بدست آمده با زوایای اصلی منابع که به عنوان بخش پیش پردازش محاسبه شده اند، مقایسه می گردند. اگر اختلاف زوایای مشابه از یک حد آستانه معین کمتر باشد آنگاه جایگشتی که دارای کمترین اختلاف زاویه ای است، انتخاب می شود. در غیر این صورت، هم بستگی تمام جایگشت های خروجی الگوریتم ICA و خروجی الگوریتم کمکی LQBP محاسبه می شود و با در نظر گرفتن بیشترین هم بستگی، بهترین جایگشت انتخاب می گردد. نشان خواهیم داد که بر اساس معیارهای SDR و SIR، الگوریتم LICAD سبب افزایش کیفیت جداسازی سیگنال منابع نسبت به الگوریتم ICA مرسوم می شود.
    کلید واژگان: جداسازی سیگنال منابع به روش کور، الگوریتم ICA، الگوریتم LQBP، هم بستگی فرکانسی
    We present the new LICAD algorithm to solve the permutation problem of the ICA in the frequency domain and improve the separation quality. In the proposed algorithm, first, the source's angles are estimated in each frequency bin using an ICA separating matrix. Then, these estimates are compared to the true values obtained from a pre-processing stage. If the difference among similar angles is less than a specified threshold, its corresponding permutation with the least difference is selected. Otherwise, the correlations among permutations of all ICA and LQBP outputs are calculated and the best permutation with the maximum correlation is chosen. By comparing the SDRs and SIRs, we demonstrate that the LICAD algorithm improves the separation quality of the conventional ICA.
    Keywords: Blind Source Separation, ICA Algorithm, LQBP Algorithm, Frequency Correlation
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال