-
公开(公告)号：CN107818523A
公开(公告)日：2018-03-20
申请号：CN201711123306.6
申请日：2017-11-14
Applicant: 国网江西省电力公司信息通信分公司 , 南京南瑞集团公司 , 国家电网公司 , 武汉大学
CPC classification number: G06Q50/06 , G06N99/005
Abstract: 本发明是一种基于非稳定频率分布与频率因子学习的电力通信系统数据真值判别与推断方法，首先通过异构数据的频率化统一了电力通信系统中多源异构数据的格式，将电力通信系统中各数据的格式统一成非稳定频率，再通过频率因子学习函数进行机器特征学习，分两种标签形式对频率学习函数进行参数优化求解，得出预测函数。通过设定的真值判别方法结合预测函数实现对电力通信系统中采集到的海量监控数据进行学习与规则分析，使得非稳定频率的分布指向电力通信系统中的异常点，从而判断数据的真值性。通过对历史数据的利用，自动对异常数据进行定位与真值推理补全，以提高电力通信系统中的数据质量。
-
公开(公告)号：CN117113202A
公开(公告)日：2023-11-24
申请号：CN202311075326.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/06
Abstract: 本发明涉及时间序列异常检测技术，具体涉及基于联合误差堆叠模型的电力回路异常能耗检测方法及设备，该方法收集能耗数据进行预处理；构建标准的以小时为间隔的回路能耗时序数据；构建多变量能耗预测网络，利用能耗历史数据单点预测待检测时刻的回路小时能耗数值；构建对抗自编码器重构模型，学习能耗时序数据的全局分布规律，重构待检测时序窗口；根据预测值计算预测误差，利用重构时序窗口计算小时能耗重构误差并联合训练OCSVM单分类器；将待检测时刻能耗的预测误差和重构误差输入训练好的OCSVM单分类器中进行回路异常能耗的检测。该方法在考虑能耗多影响因子以及数据全局分布规律的同时避免了传统异常检测算法人为异常阈值的设定。
-
公开(公告)号：CN114581991A
公开(公告)日：2022-06-03
申请号：CN202210219980.9
申请日：2022-03-08
Applicant: 武汉航浚科技有限公司 , 武汉大学
IPC: G06V40/16 , G06V40/20 , G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本发明公开了基于面部表情动态感知的行为态度识别方法，包括S1、面部图像预处理：通过表情图像脸部定位对人脸检测与定位，用于在图像中找到人脸的确切位置后，进行脸部裁剪，彻底排除其他干扰信息，并通过图像增强突出图像中的人脸；S2、建立面部时序特征演化模型；S3、依据面部动态时序特征的答题态度判别。本发明通过人工智能技术来分析面部表情，实现行为态度的识别，能有效的理解用户的真实内心感受，可广泛应用于婚姻关系预测、交流谈判、教学评估等业务中，尤其对于国家安保工作，通过分析人的表情可以发现他的真实意图，及时制止危险分子的不法行为，对于犯人是否说谎、是否有暴力行为等都可以有很好的预测，从而保护国家长治久安。
-
公开(公告)号：CN113379125B
公开(公告)日：2022-05-13
申请号：CN202110653522.1
申请日：2021-06-11
Applicant: 武汉大学
Abstract: 本发明提供了一种基于TCN和LightGBM组合模型的物流仓储销售量预测方法，属于时序分析和分类回归的研究范畴，涉及TCN，LightGBM等技术领域，主要针对历史销售分配记录信息，分别构建TCN和LightGBM模型，最后采用加权组合的方式，找出最优组合方式作为最终的预测模型，并利用已经训练好的模型进行分类任务。本发明的优点：可以自动对过去十二个月的历史销售分配数据以及其他外部影响销量的因素进行模型训练，并对接下来三天的门店销售量进行预测，提高了仓储物流中对各类资源的利用率。同时采用两种模型的组合预测，提高了预测的准确性。
-
公开(公告)号：CN109614534B
公开(公告)日：2021-08-17
申请号：CN201811442700.0
申请日：2018-11-29
Applicant: 武汉大学
IPC: G06F16/951 , G06F16/955 , G06N3/06
Abstract: 本发明涉及一种基于深度学习和增强学习的聚焦爬虫链接价值预测方法，所述方法中网络爬虫沿着URL链接构成的网络拓扑图爬行，通过历史爬行过程的累计奖赏信息和URL特征预测URL链接的主题价值，并依据链接主题价值的大小选择下一个目标网页。本发明的创新点在与构建了可用于增强学习的链接特征向量并将深度学习和增强学习结合用于聚焦爬行过程中的链接价值预测问题。
-
Patent Agency Ranking
公开(公告)号：CN107818523B
公开(公告)日：2021-04-16
申请号：CN201711123306.6
申请日：2017-11-14
Applicant: 国网江西省电力公司信息通信分公司 , 南京南瑞集团公司 , 国家电网公司 , 武汉大学
Abstract: 本发明是一种基于非稳定频率分布与频率因子学习的电力通信系统数据真值判别与推断方法，首先通过异构数据的频率化统一了电力通信系统中多源异构数据的格式，将电力通信系统中各数据的格式统一成非稳定频率，再通过频率因子学习函数进行机器特征学习，分两种标签形式对频率学习函数进行参数优化求解，得出预测函数。通过设定的真值判别方法结合预测函数实现对电力通信系统中采集到的海量监控数据进行学习与规则分析，使得非稳定频率的分布指向电力通信系统中的异常点，从而判断数据的真值性。通过对历史数据的利用，自动对异常数据进行定位与真值推理补全，以提高电力通信系统中的数据质量。
-
公开(公告)号：CN107769972B
公开(公告)日：2019-12-10
申请号：CN201711010115.9
申请日：2017-10-25
Applicant: 武汉大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于改进的LSTM的电力通信网设备故障预测方法。本发明首先提出了数据预处理和构建时序输入的方法。LSTM相比简单的循环神经网络，更易于学习长期的依赖，能够很好的解决序列相关的预测问题。因为设备告警之间存在很强的关联性，通过PCA能够确保变量之间的独立性。本发明还使用目标复制的策略对LSTM进行改进，在时序每一步中都可以带来局部的误差信息，相比简单的只在最后一步进行目标输出，该策略能够提升模型的精度，降低过拟合的风险。结合dropout，本发明提出LSTM的预测模型，深度学习能够取得更好的预测精度。同时，本发明首次使用了LSTM对电力通信网告警数据进行建模，识别其内部的时序模式。
-
公开(公告)号：CN109271506A
公开(公告)日：2019-01-25
申请号：CN201811441698.5
申请日：2018-11-29
Applicant: 武汉大学
IPC: G06F16/332 , G06F16/33 , G06F16/36
Abstract: 本发明涉及一种基于深度学习的电力通信领域知识图谱问答系统的构建方法，实现步骤为：步骤1：语义解析，即对用户用自然语言提出的问题q进行预处理，从中抽取出用户查询的关键字，查询句关注的焦点等作为问句的实体w。步骤2：语义表示，即将经过预处理的自然语言问题向量化，同时将答案a的候选集向量化，用于后续计算问题q和答案a的匹配度。步骤3：通过语义匹配度计算、查询以及推理等方法，找出与问题q最匹配、最准确的答案a，使得该问答对(q，a)的得分S(q,a)最高。通过本发明研究通过知识图谱构建的问答系统在国家电网通信领域的可行性。
-
公开(公告)号：CN108664607A
公开(公告)日：2018-10-16
申请号：CN201810445948.6
申请日：2018-05-11
Applicant: 国网江西省电力有限公司信息通信分公司 , 南瑞集团有限公司 , 武汉大学
Inventor： 杨济海 , 李仁华 , 彭汐单 , 巢玉坚 , 邓永康 , 伍小生 , 田晖 , 郑富永 , 王华 , 付萍萍 , 胡游君 , 邱玉祥 , 吕顺利 , 周鹏 , 邓伟 , 刘皓 , 蔡新忠 , 查凡 , 王宏 , 丁传文 , 刘洋 , 李石君 , 余伟 , 余放 , 李宇轩 , 李敏 , 彭亮 , 彭超 , 陈雪莲 , 陈艳华
Abstract: 本发明涉及到一种基于迁移学习的电力通信网数据质量提升方法。首先对集合L运用核判别分析，找到一种合适的核映射空间，并将L、U和O中的所有样本映射到核空间中，使得源领域和目标领域样本的边缘分布在核空间中非常接近。然后使用二分k均值算法在源领域中挑选和目标领域拥有相似的条件概率分布的样本。并在步骤1得到的核空间中，用步骤2挑选出的样本和目标领域有标记的样本共同训练一个模型，并为目标领域中没有标签的样本进行预测，最后得到对集合U的N种预测结果，运用多数投票法，确定集合U中样本最终的标签。本发明通过迁移学习有效地解决了训练集和测试集样本分布不一致的问题，解决了有标签样本较少而无法训练的问题，极大地节省了人力和财力。
-
公开(公告)号：CN108132423A
公开(公告)日：2018-06-08
申请号：CN201711340903.4
申请日：2017-12-14
Applicant: 武汉大学
IPC: G01R31/08
Abstract: 本发明涉及一种基于状态转移概率电力系统监测数据失真的快速定位方法，本方法重点关注监测数据的状态变化概率，通过多次转移后的概率分布的特征与设备运行时数据正常变化的阈值进行对比，导出失真定位矩阵，快速定位失真数据的位置。整体分为四个步骤1.监测数据属性实体划分，2.电力设备的监测数据转移概率,电力设备的多次监测转移矩阵,4.失真数据定位与子系统失真程度度量。本发明数据采集阶能将各种数据格式或数据结构统一成状态转移概率，因此规避了多源异构数据中不同数据格式对数据分析造成的影响，降低了分析系统的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.025 seconds)
