摘要
本发明涉及GIS设备去噪技术领域,具体地说,本发明涉及一种GIS局部干扰源去噪方法,本发明通过构建量子卷积神经网络与量子循环神经网络混合架构,前者利用变分量子电路作卷积核提取特征,后者借助量子比特纠缠处理时间序列数据,接着对电气、电磁等多源数据归一化、编码并增强后,使用量子随机梯度下降算法训练,还构建基于注意力机制的多模态融合网络,各模态经独立卷积层提取特征后拼接、加权融合,最后构建量子强化学习环境,基于量子神经网络设计智能体策略网络与奖励函数,依据量子Q学习调整参数,综合量子计算、深度学习与多模态融合技术,有效提高GIS局部干扰源去噪效果,保障设备稳定运行。
技术关键词
量子神经网络
去噪方法
长短期记忆单元
量子态
强化学习环境
构建卷积神经网络
随机梯度下降
注意力机制
数据
策略
编码方法
Q学习算法
序列
旋转门
设备运行状态
去噪技术
二次特征
GIS设备
系统为您推荐了相关专利信息
电力系统拓扑
数据分布
校验方法
皮尔逊相关系数
数据处理框架
节点特征
任务分配方法
神经网络模型
邻居
物理传感器
一体化装配方法
模糊控制算法
生成控制信号
非线性
变量
密钥算法
Hadamard变换
周期
密码算法
对象