|国家科技期刊平台
| 注册
首页|期刊导航|高电压技术|基于CNN-Bi LSTM的铁氧体磁芯损耗精确模型和小样本迁移学习预测方法

基于CNN-Bi LSTM的铁氧体磁芯损耗精确模型和小样本迁移学习预测方法

刘占磊 祝令瑜 占草 党永亮 张玉焜 汲胜昌

高电压技术2024，Vol.50Issue(10)：P.4487-4498,12.
✕
高电压技术2024，Vol.50Issue(10)：P.4487-4498,12.DOI:10.13336/j.1003-6520.hve.20240847

基于CNN-Bi LSTM的铁氧体磁芯损耗精确模型和小样本迁移学习预测方法

刘占磊 1祝令瑜 1占草 2党永亮 1张玉焜 1汲胜昌1

作者信息

  • 1. 电工材料电气绝缘全国重点实验室(西安交通大学),西安710049
  • 2. 弗吉尼亚理工大学电力电子系统研究中心,弗吉尼亚州布莱克斯堡24061
  • 折叠

摘要

关键词

铁氧体/磁芯损耗/小样本数据集/CNN-BiLSTM/迁移学习

分类

信息技术与安全科学

引用本文复制引用

刘占磊,祝令瑜,占草,党永亮,张玉焜,汲胜昌..基于CNN-Bi LSTM的铁氧体磁芯损耗精确模型和小样本迁移学习预测方法[J].高电压技术,2024,50(10):P.4487-4498,12.

基金项目

国家重点研发计划(2023YFB2406900)。 （2023YFB2406900）

高电压技术

OA北大核心CSTPCD

1003-6520

访问量12
|
下载量0
段落导航相关论文