-
公开(公告)号：CN107943946A
公开(公告)日：2018-04-20
申请号：CN201711190418.3
申请日：2017-11-24
Applicant: 重庆科技学院 , 重庆市九龙坡区天宝实验学校
Abstract: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法，包括步骤S1：将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构，并导入关联规则模型；其中，用户做的全部知识点被记为一个事务，一道试题对应一个知识点，一个知识点称为一个项；步骤S2：在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk；步骤S3：根据最大频繁项集Lk产生关联规则；步骤S4：将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集，产生关联规则，运用这种关联规则对用户进行智能推荐，使用户对其薄弱的知识点达到逐步掌握的目的。
-
公开(公告)号：CN106777866A
公开(公告)日：2017-05-31
申请号：CN201611000106.7
申请日：2016-11-14
CPC classification number: G06F19/702 , C10L3/103 , G06N3/086
Abstract: 本发明提供的面向节能降耗的高含硫天然气净化工艺建模与优化方法，包括：选取影响脱硫效率的工艺参数和脱硫单元的性能指标后进行采集形成样本集；对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；基于训练样本构建神经网络模型并确定神经网络模型的初始状态变量；用ST‑UKFNN算法估计神经网络模型的最优状态变量；根据最优状态变量对神经网络模型进行更新；分别构建H2S浓度和CO2浓度的偏好函数；利用MOGA算法对H2S浓度和CO2浓度的工艺参数进行优化，将优化后的工艺参数带入更新后的神经网络模型，计算优化后的工艺参数的系统性能，与实际样本的系统性能的平均值进行比较。利用本发明可以提高高含硫天然气净化的生产效率。
-
公开(公告)号：CN106777468A
公开(公告)日：2017-05-31
申请号：CN201611003680.8
申请日：2016-11-14
Applicant: 重庆科技学院
CPC classification number: G06F17/5009 , G06F2217/12 , G06N3/02
Abstract: 本发明提供的高含硫天然气脱硫工艺强跟踪演化建模方法，包括：选取影响脱硫效率的工艺参数和脱硫单元的性能指标；采集预设时间的所述工艺参数和所述性能指标的数据，剔除误差样本后形成样本集；对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；基于训练样本构建神经网络模型并确定神经网络模型的初始状态变量；用ST‑UKFNN算法估计神经网络模型的最优状态变量；将最优状态变量作为神经网络模型的连接权值和阈值，即获得权值阈值更新后的神经网络模型；将测试样本输入到更新后的神经网络模型，得到预测结果，将预测结果与测试样本中的实际输出进行比较，如果比较结果小于预设误差值，所构建的神经网络模型有效。
-
公开(公告)号：CN108509692B
公开(公告)日：2022-03-25
申请号：CN201810201222.8
申请日：2018-03-12
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，包括：S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；S2：采集预设时间的所述工艺参数和所述性能指标的数据，剔除误差样本后形成样本集；S3：对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；S4：基于训练样本构建神经网络模型和初始状态变量；S5：利用MiUKFNN算法估计最优状态变量；S6：将最优状态变量作为神经网络模型的连接权值和阈值，即获得权值阈值更新后的神经网络模型；S7：得到预测结果，将预测结果与所述测试样本中的实际输出进行比较，如小于预设误差精度，神经网络模型有效；否则重复上述步骤至比较结果小于预设误差精度。
-
公开(公告)号：CN108734224A
公开(公告)日：2018-11-02
申请号：CN201810566504.8
申请日：2018-06-05
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于独立分量贡献度加权分析的天然气净化过程异常监测方法，该监测方法按如下步骤进行：(1)选取所监测的高含硫天然气净化脱硫生产过程中的工艺参数；(2)采集天然气净化过程中所述工艺参数的正常工况下数据；(3)对数据进行预处理；(4)构建基于独立分量贡献度加权的模型，计算正常工况下的总体残差三阶累积量HE与加权总体独立分量三阶累积量HSw；(5)计算正常工况下联合指标SE，并获得联合指标SE统计量的控制限；在线获取高含硫天然气净化脱硫生产过程中所述工艺参数运行工况下数据，输入模型重新计算联合指标SE，统计样本联合指标是否超出控制限，若超限则发生异常工况，否则正常。本发明能够及时发现故障。
-
Patent Agency Ranking
公开(公告)号：CN107832453A
公开(公告)日：2018-03-23
申请号：CN201711189590.7
申请日：2017-11-24
Applicant: 重庆科技学院 , 重庆市九龙坡区天宝实验学校
CPC classification number: G06F16/9535 , G06Q50/205
Abstract: 本发明提供一种面向个性化学习方案的虚拟试卷推荐方法，根据轮盘选择法生成一系列题量百分比围绕主难度系数的左右两边呈均匀梯度下降分布的虚拟试卷，在学生的DNA信息中匹配试卷里试题的知识点的理解程度系数，并结合该道题满分计算出学生的理论得分，将试卷中每道试题的理论得分求和，即可得出学生本套试题的理论得分，以此理论得分为参考目标，针对学生的难点和弱点推荐依次难度的试卷，从而达到逐步提高学生学习成绩的目的。
-
公开(公告)号：CN107229970A
公开(公告)日：2017-10-03
申请号：CN201710501486.0
申请日：2017-06-27
Applicant: 重庆科技学院
CPC classification number: G06N3/084 , G01N33/18 , G06K9/6247 , G06N3/10 , G06Q50/06
Abstract: 本发明公开了一种共享直饮水水质自适应动态自学习在线监测方法，包括：S110建立神经网络输入样本集；S120建立神经网络输出样本集；S130获得归一化样本集；S140根据所述归一化样本集构建三层的BP神经网络模型；S150根据所述三层BP神经网络，运用UKF算法进行网络权值阈值动态调整；S160对云端服务器上积累的海量数据，利用UKFNN算法进行建模，获取神经网络参数；S170对实时变化的恒定水箱内水质的影响因素实现实时预测；根据恒定水箱水质实时预测，实现共享直饮水水质自适应动态自学习在线监测。本发明提供共享直饮水水质动态自学习在线监测方法及系统，具有的技术效果或优点是：改变传统饮水方式，为用户提供一种快捷、健康、方便的饮水方式，满足人民快节奏生活水平和高质量生活水平要求。
-
公开(公告)号：CN107192802A
公开(公告)日：2017-09-22
申请号：CN201710500789.0
申请日：2017-06-27
Applicant: 重庆科技学院
IPC: G01N33/18
CPC classification number: G01N33/18
Abstract: 本发明公开了一种共享直饮水水质在线监测方法，包括以下步骤：S110根据恒定水箱内影响水质的控制参数，建立神经网络输入样本集；S120根据实时测量的恒定水箱内水质指标，建立神经网络输出样本集；S130将输入样本集和输出样本集进行归一化处理，获得归一化样本集；S140根据所述归一化样本集构建GRNN网络模型；S150根据所述GRNN网络模型，获得网络扩展因子；S160对实时变化的恒定水箱内水质的影响因素实现实时预测；根据恒定水箱水质实时预测，实现共享直饮水水质自适应动态自学习在线监测。本发明为用户提供一种快速、健康、便捷的共享直饮水装置及系统，不但可以保证方便喝到饮用水，且真正做到健康、快捷方便饮水，最终实现共享直饮水自适应动态学习在线检测系统。
-
公开(公告)号：CN106502096A
公开(公告)日：2017-03-15
申请号：CN201611001501.7
申请日：2016-11-14
Applicant: 重庆科技学院
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明提供的基于偏好多目标优化的油田机采过程决策参数优化方法，包括：确定油田机采油过程中的效率影响因素和性能变量；对样本中的载荷变量进行降维处理构建新样本，并归一化新样本；基于归一化后的新样本构建神经网络模型；利用ST-UPFNN算法估计神经网络模型中由权值阈值所组成的状态变量的最优状态；并利用最优状态变量重构更新后的神经网络模型获得油田机采油过程模型；构建实际产液量的偏好函数；利用多目标进化算法对决策参量各自的上下限进行优化；将优化后的决策变量，带入油田机采油过程模型，计算优化后的决策变量的系统性能的平均值，与实际样本的系统性能的平均值进行比较。利用本发明可以提高油田机采油的生产效率，降低能耗。
-
公开(公告)号：CN106373022A
公开(公告)日：2017-02-01
申请号：CN201610820775.2
申请日：2016-09-13
Applicant: 重庆科技学院
Abstract: 本发明提供一种基于BP-GA的温室农作物种植效率条件优化方法及系统，其中的方法包括：采集温室农作物的样本数据；根据所采集的样本数据构建三层拓扑结构的BP神经网络模型；用样本数据对所构建的三层BP神经网络模型进行训练，挖掘输入变量与输出变量之间的函数关系；根据函数关系和预设的评分权重，获取综合指标E，利用GA对所述函数关系进行极值寻优，获取决策参数；其中，决策参数为在综合指标E为最优时，对应的输入变量组合。通过本发明能够及时地掌握使温室农作物种植效率提升的最优决策参数组合，并做出精确地预测；可以及时采取调节措施，使影响种植效率的关键因素得到合理的控制，保证种植产量可观，品质提升，有效的节约资源，降低生产成本。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
