-
公开(公告)号：CN115841150A
公开(公告)日：2023-03-24
申请号：CN202211329319.X
申请日：2022-10-27
Applicant: 重庆邮电大学
IPC: G06N3/084 , G06N3/086 , G06N3/048 , G06F18/241 , G06F18/214
Abstract: 本发明属于陶瓷粉质量检测领域，具体涉及一种基于遗传算法的多层陶瓷电容器中陶瓷粉质量检测方法，该方法包括：获取原始小样本训练数据；根据原始训练数据集采用遗传算法生成虚拟样本，采用接受拒绝采样方法从属性上对生成的虚拟样本进行筛选，得到最优的虚拟样本；根据最优虚拟样本和原始小样本训练数据构建训练数据集；基于BPNN构建陶瓷粉质量检测模型，采用训练数据集对陶瓷粉质量检测模型进行训练；将待检测样本数据输入到训练好的陶瓷粉质量检测模型中，得到检测结果；本发明采用遗传算法增加样本数据，并采用接受拒绝采样方法对样本数据进行筛选，使得训练数据更准确，提高了小样本环境下模型训练的准确度。
-
公开(公告)号：CN115758205A
公开(公告)日：2023-03-07
申请号：CN202211378423.8
申请日：2022-11-04
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/23 , G06N3/0464 , G06N3/084
Abstract: 本发明属于空气污染监测技术领域，具体涉及一种基于对比多视图聚类的空气质量预测方法；所述方法包括：获取历史空气质量数据和待测空气质量数据，并对所述历史空气质量数据按照空气质量指标进行分类处理；采用三种不同的数据增强方式分别对历史空气质量数据和待测空气质量数据进行处理，得到三种历史增强数据信息和三种待测增强数据信息；采用对比多视图聚类模型对气象监测站点的空气质量进行分类预测；本发明采用三种不同待测增强视图聚类处理的方式，能够提升待测空气质量数据的精度，能够根据目标气象监测站点的空气质量数据对空气质量情况进行准确分类。
-
公开(公告)号：CN115564255A
公开(公告)日：2023-01-03
申请号：CN202211259871.6
申请日：2022-10-14
Applicant: 重庆邮电大学
Abstract: 本发明属于空气污染监测领域和可解释机器学习领域，具体涉及一种基于图神经网络的监测站点重要性评估方法及系统；该方法包括获取目标区域内监测站点的相关数据并构建图结构表示；采用图结构表示训练图神经网络模型；获取最新时间段的第一图结构表示及其第一预测结果；根据贪婪最佳优先搜索算法搜索第一图结构表示得到第二图结构表示及其第二预测结果，且改进的Shapley Value为启发函数；比较第一预测结果与第二预测结果获取重要监测站点图结构表示；通过扰动对重要监测站点图结构表示进行重要性排序；设计验证算法验证重要性排序结果是否准确；本发明提供了一种站点评估方法，有助于辅助站点的选址以及现有站点的拆除工作。
-
公开(公告)号：CN114662791B
公开(公告)日：2025-01-03
申请号：CN202210424395.2
申请日：2022-04-22
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/08
Abstract: 本发明属于PM2.5时序预测领域,是一种基于时空注意力的长时序pm2.5预测方法及系统，所述方法包括获取输出并进行预处理；将预处理后的数据输入特征提取网络进行特征提取；利用空间注意力网络将不同站点提取的特征连接并融合；将空间注意力网络处理后的特征通过多层双向LSTM得到过去的特征；将待预测时间段对应的已知的未来特征数据，通过神经网络提取得到未来的特征并未来的特征进行连接后，得到预测结果；使用考虑到数据的标准偏差波动和平均误差的损失函数对网络进行迭代训练直到收敛；将待测站点数据输入已完成训练的基于时空注意力的PM2.5预测网络，并输出预测结果；本发明能够精准的进行长时序的pm2.5预测。
-
公开(公告)号：CN115510763A
公开(公告)日：2022-12-23
申请号：CN202211300871.6
申请日：2022-10-24
Applicant: 重庆邮电大学
Abstract: 本发明属于空气质量监测技术领域，具体涉及一种基于数据驱动探索的空气污染物浓度预测方法及系统；该方法包括：采集空气质量数据并对其进行预处理；采用深度神经网络对预处理后的空气质量数据进行数据拟合，并对数据拟合结果进行自动微分，得到影响因素微分项；根据影响因素微分项构建候选函数库；根据候选函数库中的函数项构建控制方程模型；获取待预测时间段的气象因子数据并将其输入到控制方程模型中，得到空气污染物浓度预测结果；本发明预测精度高，其可解释性良好，实用性高。
-
Patent Agency Ranking
公开(公告)号：CN114662791A
公开(公告)日：2022-06-24
申请号：CN202210424395.2
申请日：2022-04-22
Applicant: 重庆邮电大学
Abstract: 本发明属于PM2.5时序预测领域,是一种基于时空注意力的长时序pm2.5预测方法及系统，所述方法包括获取输出并进行预处理；将预处理后的数据输入特征提取网络进行特征提取；利用空间注意力网络将不同站点提取的特征连接并融合；将空间注意力网络处理后的特征通过多层双向LSTM得到过去的特征；将待预测时间段对应的已知的未来特征数据，通过神经网络提取得到未来的特征并未来的特征进行连接后，得到预测结果；使用考虑到数据的标准偏差波动和平均误差的损失函数对网络进行迭代训练直到收敛；将待测站点数据输入已完成训练的基于时空注意力的PM2.5预测网络，并输出预测结果；本发明能够精准的进行长时序的pm2.5预测。
-
公开(公告)号：CN111161312B
公开(公告)日：2022-03-22
申请号：CN201911292314.2
申请日：2019-12-16
Applicant: 重庆邮电大学
Abstract: 本发明属于视频流分析处理技术领域，涉及一种基于计算机视觉的物体轨迹追踪识别装置及系统；所述装置包括视频流接入模块用于获取视频流数据；去异色空间噪声模块用于消除视频流数据帧图像中的无关噪声和杂色像素块；物体检索模块用于设置特定色彩空间区域值检索出待追踪物体的像素块；计算模块用于计算所述待追踪物体的像素块的最小外接圆；轨迹模拟模块在视频流数据中获得以待检测物体最小外接圆确定的中心位置的轨迹；轨迹检测模块根据待检测物体最小外接圆形成的运动轨迹检测是否存在特定图形；轨迹识别模块，根据检测到的特定图形完成识别待追踪物体的轨迹。本发明能够去除散粒噪声，且尽可能保留了边缘信息，增强了本发明的鲁棒性和准确性。
-
公开(公告)号：CN110222738B
公开(公告)日：2021-05-18
申请号：CN201910429746.7
申请日：2019-05-22
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明请求保护一种面向混合采样工业大数据的基于多视图字典学习的分类方法，该方法巧妙借助多视图数据的分类思想，以混合采样工业数据与多视图数据的共性特点进行连接，同时，考虑到混合采样数据的样本数量不一致特点，设计了适应混合采样数据的分类方案。在训练阶段，通过字典学习方法，学习了每个采样频率数据每一类训练样本的字典。在分类测试阶段，首先利用训练的与对应采样频率数据相关的字典对测试样本进行编码，然后利用子字典和测试样本的编码向量来判断样本与哪个类簇的重构误差最小，则表示样本属于该类簇。本发明相较于现有技术，极大限度地利用原始数据，保证了原始数据的分布，提高了分类结果的精度。
-
公开(公告)号：CN119512041A
公开(公告)日：2025-02-25
申请号：CN202411633360.5
申请日：2024-11-15
Applicant: 重庆邮电大学
IPC: G05B23/02
Abstract: 本发明属于流程工业异常检测领域，具体涉及一种基于分层多模块的流程工业时序异常检测方法，包括：对多元时序数据进行划分，并通过输入层将划分后的数据分别输入到分层编码层中，得到低维特征向量；将低维特征向量输入到掩盖流程注意力层中获取数据中各个子流程间的耦合关系；将具有耦合关系的低维特征向量输入到流程信息记忆层中，挖掘相邻子流程特征间的耦合关系；将具有各个子流程间耦合关系和相邻子流程特征间耦合关系的低维特征向量输入到分层解码器中，得到重构后的特征；将重构特征输入到输出层，得到识别结果；本发明采用掩盖注意力层和流程信息记忆层以捕捉各个子流程间全局和局部的耦合关系，从而提高了检测结果的准确度。
-
公开(公告)号：CN114398904B
公开(公告)日：2024-08-23
申请号：CN202111386005.9
申请日：2021-11-22
Applicant: 重庆邮电大学
IPC: G06F40/35 , G06F16/35 , G06F40/216 , G06F18/214 , G06F18/241 , G06N3/084
Abstract: 本发明公开了一种基于多粒度特征解耦的开放领域对话生成方法，包括：获取数据集和对话类别；随机选取数据集中的若干个第一训练对输入条件变分自编码器CVAE模型，得到与对话类别对应的先验高斯分布；将数据集中的第二训练对输入高级条件变分自编码器A‑CVAE模型中，得到重构期望损失和KL散度；根据重构期望损失、KL散度、第一训练对对应的先验高斯分布，得到总损失；根据总损失对A‑CVAE模型进行反向梯度优化，得到训练A‑CVAE模型；获取待回复对话问题；将待回复对话问题输入训练A‑CVAE模型，生成对话回复。本发明能够解决现有模型不能很好的捕捉对话的类别语义，生成的对话可解释性不高的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
