-
公开(公告)号：CN117369263B
公开(公告)日：2024-07-09
申请号：CN202311375874.0
申请日：2023-10-23
Applicant: 苏州大学
IPC: G05B13/04
Abstract: 本发明属于热风炉燃烧控制技术领域，具体涉及一种基于强化学习与注意力机制的热风炉智能燃烧控制方法，该方法包括：S1：获取烧炉燃烧的历史数据，利用移动时间窗口在所述历史数据中选取连续数据作为燃烧状态数据；S2：基于所述燃烧状态数据，得到训练后的Attention‑MLP模型；S3：获取实时燃烧数据，利用所述Attention‑MLP模型根据所述实时燃烧数据控制热风炉的煤气阀位调节方向。本发明解决了现有热风炉燃烧控制方法不能兼顾控制精度及实时性需求的问题，并且具有较高的准确率，能够满足高炉热风炉智能燃烧优化控制要求。
-
公开(公告)号：CN117973427A
公开(公告)日：2024-05-03
申请号：CN202410171675.6
申请日：2024-02-06
Applicant: 苏州大学
Abstract: 本申请涉及信息技术领域，具体提供了一种服务质量感知的多目标服务流程优化方法及系统，所述方法包括：获取服务流程集合；服务流程集合包括多个服务流程；服务流程包括抽象任务；根据服务流程集合构建形式化模型；根据抽象任务生成正向种群；根据正向种群生成混合种群，再生成初始种群、种群附加档案和多个参考向量；根据初始种群和种群附加档案生成子代种群；对初始种群和子代种群构成的混合种群进行非支配排序，生成非支配层；根据非支配层和参考向量生成更新种群和更新种群附加档案；计算多个参考向量的贡献度，对多个贡献度进行升序排序，生成更新参考向量。通过多样性良好的参考向量指导种群的环境选择，平衡了结果的多样性和收敛性。
-
公开(公告)号：CN117436598A
公开(公告)日：2024-01-23
申请号：CN202311488722.1
申请日：2023-11-09
Applicant: 苏州大学
IPC: G06Q10/047 , G06F18/214 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于神经组合优化器求解哈密顿最短路径的方法及系统，涉及智能计算与路径规划技术领域，该方法包括设计最短哈密顿路径问题框架；基于编码器‑解码器结构设计神经组合优化器模型；随机生成用于训练所述神经组合优化器的哈密顿问题实例，并利用最小‑最大归一和旋转坐标变换策略对各问题实例的数据进行预处理；将处理后的数据输入到所述神经组合优化器模型中进行训练，并采用双向策略梯度函数进行优化，得到训练好的神经组合优化器模型；利用训练好的神经组合优化器模型对包含N个节点的最短哈密顿路径问题进行求解，得到最优哈密顿路径。本发明提高了对最短哈密顿路径问题求解的精确度以及泛化性。
-
公开(公告)号：CN115329710B
公开(公告)日：2023-08-29
申请号：CN202211034700.3
申请日：2022-08-26
Applicant: 苏州大学
IPC: G06F30/392 , G06N3/126 , G06F111/04 , G06F115/12 , G06F119/08
Abstract: 本发明涉及一种基于遗传算法的热管约束组件布局优化方法，包括：沿着与热管朝向垂直方向建立x轴，与热管朝向平行方向建立y轴；根据热管约束组件结构在x轴上建立子种群一、在y轴上建立子种群二，初始化函数评价次数、氏族规模、子种群一和子种群二；使用遗传算法寻找子种群一在x轴上的最优布局，根据子种群一在x轴上的最优布局寻找子种群二在y轴上的最优布局，结合子种群一在x轴上的最优布局和子种群二在y轴上的最优布局得到热管约束组件布局的最优可行解。本发明可以将热管散热的组件布局有效应用在CLO问题中，并且提升搜索有效性和高效性、得到更优的布局解。
-
公开(公告)号：CN115952431A
公开(公告)日：2023-04-11
申请号：CN202310027919.9
申请日：2023-01-09
Applicant: 苏州大学
IPC: G06F18/23213 , G06F18/241
Abstract: 本发明公开了一种基于大数据的高炉操作炉型自判决方法，包括：以高炉历史冷却壁热电偶温度为数据集，对其进行异常值剔除与缺失值填补；根据K‑Means和TwoStep聚类算法对处理后数据进行聚类分析，得到不同聚类簇数的操作炉型分类结果；选用Davies‑Bouldin index和Dunn index评价指标，对不同聚类簇数的操作炉型分类结果进行评价；根据评价结果，确定最优聚类算法和最佳聚类簇数，得到最优操作炉型聚类结果；新的冷却壁热电偶温度通过计算其与各聚类中心距离进行数据分派或建立新类，并根据数据分派结果对高炉操作炉型进行更新。本发明实现了对高炉操作炉型最优分类结果的选择以及动态更新，为高炉操作炉型的生产监控提供了保障，有利于高炉的优质、低耗、高产、顺行。
-
Patent Agency Ranking
公开(公告)号：CN112884248B
公开(公告)日：2023-01-06
申请号：CN202110314985.5
申请日：2021-03-24
Applicant: 苏州大学
Abstract: 本发明涉及一种大规模云服务流程的优化方法，包括：将多个执行计划随机分配到多个并行节点；每个并行节点并行执行局部迭代来对并行节点内部的执行计划进行处理直至局部迭代停止，每次局部迭代时，并行节点需利用离散帝王蝶优化算法和依赖‑冲突修复算法对执行计划进行处理；再将所有并行节点中局部迭代处理结束后得到的执行计划集合在一起；判断是否满足全局迭代停止条件，若判断为是，则直接输出最优执行计划；否则，就将集合后的执行计划重新分配到多个并行节点，然后再重复上述步骤。本发明提升了云服务流程优化方法的求解效率和求解精度，能够有效适用于具有不同服务流程结构、QoS约束和服务关联约束的大规模云服务流程优化问题。
-
公开(公告)号：CN108416384A
公开(公告)日：2018-08-17
申请号：CN201810178640.X
申请日：2018-03-05
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种图像标签标注方法、系统、设备及计算机可读存储介质。其中，方法包括将训练样本集和待标注图像输入卷积神经网络中，卷积神经网络为被训练样本集采用反向传播算法最小化交叉熵损失函数，以调整卷积神经网络的权重进行训练，并将训练好的卷积神经网络的权重进行重新加载，以提取训练样本集的样本网络特征集和待标注图像的测试网络特征集；根据样本网络特征集、测试网络特征集及标签集合，计算待标注图像属于标签集合中每类标签的概率，生成标签概率集；最后根据标签概率集，为待标注图像的进行标签标注。本申请提供的技术方案结合深度学习和标签传播算法，自动提取图像高层语义特征，从而提升了图像标注的效率和准确率。
-
公开(公告)号：CN117273590B
公开(公告)日：2024-07-09
申请号：CN202311358313.X
申请日：2023-10-19
Applicant: 苏州大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/048 , G06N3/0464
Abstract: 本发明提供一种求解车辆路径优化问题的神经组合优化方法及系统，涉及车辆路径规划技术领域，该方法包括对CVRP问题进行描述，引入热力图来反映节点之间的关联关系，并采用图神经网络来参数化热力图；基于参数化的热力图来确定客户与车辆的匹配，构建包括状态、动作、奖励和策略的客户匹配框架；采用强化学习方法对神经网络模型进行训练，以所有车辆的行驶路径长度最小化为优化目标，得到训练好的神经网络模型；利用训练好的神经网络模型，求解车辆的最优配送路径。本发明在CVRP问题上对所提出算法进行了评估，该方法在求解性能和求解时间上明显优于现有的实时求解器。
-
公开(公告)号：CN117475203A
公开(公告)日：2024-01-30
申请号：CN202311375875.5
申请日：2023-10-23
Applicant: 苏州大学
IPC: G06V10/764 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0442 , G06V10/62
Abstract: 本发明提供一种基于深度时序图像学习的溜槽角度异常诊断方法及系统，涉及高炉冶炼工艺和图像处理技术领域，该方法包括收集高炉炉顶监控视频数据，得到不同角度不同环境下的高炉溜槽视频；对所述高炉溜槽视频进行预处理，得到溜槽角度视频数据集；将溜槽角度视频数据集输入到预先构建好的基于深度时序图像学习的溜槽角度识别模型中进行模型训练，得到训练好的基于深度时序图像学习的溜槽角度识别模型；将实时采集的溜槽图像输入到训练好的基于深度时序图像学习的溜槽角度识别模型中进行预测，得到最终分类结果；将最终分类结果与设定的溜槽角度进行比对，判断溜槽角度是否异常。本发明实现了方便高效的溜槽角度核验。
-
公开(公告)号：CN117474183A
公开(公告)日：2024-01-30
申请号：CN202311375870.2
申请日：2023-10-23
Applicant: 苏州大学
IPC: G06Q10/047 , G06N3/0442 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习的路径优化求解方法，包括：获取旅行商优化问题；根据所述旅行商优化问题，通过随机插入策略，生成初始路径；设置局部求解器，依次使用每个所述局部求解器分别对每个所述初始路径进行优化，生成对应的优解路径；在所述优解路径中，选择最短的路径，生成最优路径；本发明采用分解思想，基于深度强化学习的新型神经组合，将大规模旅行商优化问题分解为子路径，并利用采用参数化的策略网络的局部求解器求解，使得本发明可采用同一框架来解决任意规模和分布的旅行商问题。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.016 seconds)
