-
公开(公告)号：CN114740726B
公开(公告)日：2022-10-21
申请号：CN202210437384.8
申请日：2022-04-22
Applicant: 北京大学
IPC: G05B13/04
Abstract: 本发明公布了一种基于深度最优特征传输的工业过程小样本故障诊断方法，构建基于域适配的缩小源域和目标域深度适配网络，对工业小样本故障数据进行分析并快速建立基于深度最优特征传输的工业小样本故障诊断量化模型；根据历史故障适配任务构造故障适配任务集合；将故障适配任务集合在嵌入空间进行表征；对嵌入空间学习到的范式进行模型辨识与参数估计，更新模型传输深度最优特征，从而获得未知故障任务下的故障分类结果。本发明可对不同工况下的稀疏异构工业信号精准地预测故障类型，算法复杂度低，计算周期短，可移植性高。
-
公开(公告)号：CN114970674A
公开(公告)日：2022-08-30
申请号：CN202210413557.2
申请日：2022-04-15
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明提供一种基于关联度对齐的时序数据概念漂移适配方法，对分布不同的时序数据进行分析并快速建立量化模型，从数据分布对齐角度构建基于关联度匹配的时序预测，从损失函数可微分角度设计蒙特卡洛求解参数，可对不同工况下的不确定时序信号精准地预测。本发明复杂度低，计算周期短以及可移植性高。且利用全面分析时序信号所含信息，为不确定环境下存在概念漂移下系统的安全和维护提供科学分析依据，提高网络对未来复杂时刻的预测能力。通过动态参数寻优网络，弥补专家经验的缺失，鲁棒性强，短时间内实现未来数据的预测，降低概念漂移造成的社会危害。
-
公开(公告)号：CN113312993B
公开(公告)日：2022-07-26
申请号：CN202110539555.3
申请日：2021-05-17
Applicant: 北京大学
IPC: G06V20/10 , G06V20/70 , G06V10/56 , G06V10/26 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公布了一种基于PSPNet的遥感数据土地覆盖分类方法，采用多尺度融合分割模块构造多尺度特征，对土地覆盖类型进行分析，快速建立辨识模型，通过自适应损失算法，弥补样本稀疏类别不平衡造成的信息损失，自适应样本权重，采用预训练网络迁移的方法，通过图像数据库丰富样本多样性，实现对不同类型雷达遥感图像的辨识分割，其算法复杂度低，计算周期短，可适应样本稀疏不平衡下的遥感图像，并对其像素点进行精准语义分割，将土地图片进行区域类型分类，在图像处理领域具有普适性和高可移植性。
-
公开(公告)号：CN116245261A
公开(公告)日：2023-06-09
申请号：CN202310534022.5
申请日：2023-05-12
Applicant: 北京大学
IPC: G06Q10/04 , G06F18/214 , G06F17/18
Abstract: 本发明公布了一种基于时序分布适配的风场风速预测方法，属于风场风速预测技术领域。本发明对风场进行归一化与标准化预处理，将数据按照概率参数重采样构造训练样本集与测试样本集，构建网络损失函数，采用蒙特卡洛积分获得损失函数的近似估计，梯度下降方法迭代更新最优参数，对未来风速进行预测。本发明对分布不同的时序数据进行分析，能够有效的提高多机组风速时序预测的准确率，从而及时对电力调度做出规划，提高风电场与电力系统协调运行的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN114740726A
公开(公告)日：2022-07-12
申请号：CN202210437384.8
申请日：2022-04-22
Applicant: 北京大学
IPC: G05B13/04
Abstract: 本发明公布了一种基于深度最优特征传输的工业过程小样本故障诊断方法，构建基于域适配的缩小源域和目标域深度适配网络，对工业小样本故障数据进行分析并快速建立基于深度最优特征传输的工业小样本故障诊断量化模型；根据历史故障适配任务构造故障适配任务集合；将故障适配任务集合在嵌入空间进行表征；对嵌入空间学习到的范式进行模型辨识与参数估计，更新模型传输深度最优特征，从而获得未知故障任务下的故障分类结果。本发明可对不同工况下的稀疏异构工业信号精准地预测故障类型，算法复杂度低，计算周期短，可移植性高。
-
公开(公告)号：CN116245261B
公开(公告)日：2023-07-04
申请号：CN202310534022.5
申请日：2023-05-12
Applicant: 北京大学
IPC: G06Q10/04 , G06F18/214 , G06F17/18
Abstract: 本发明公布了一种基于时序分布适配的风场风速预测方法，属于风场风速预测技术领域。本发明对风场进行归一化与标准化预处理，将数据按照概率参数重采样构造训练样本集与测试样本集，构建网络损失函数，采用蒙特卡洛积分获得损失函数的近似估计，梯度下降方法迭代更新最优参数，对未来风速进行预测。本发明对分布不同的时序数据进行分析，能够有效的提高多机组风速时序预测的准确率，从而及时对电力调度做出规划，提高风电场与电力系统协调运行的稳定性。
-
公开(公告)号：CN116051911A
公开(公告)日：2023-05-02
申请号：CN202310321029.9
申请日：2023-03-29
Applicant: 北京大学
IPC: G06V10/764 , G01M13/045 , G06V10/74 , G06V10/774 , G06V10/77
Abstract: 本发明公布了一种基于不确定性学习的小样本轴承振动图像数据故障诊断方法，属于工业故障诊断领域。本发明首先构造基于N‑way K‑shot的小样本数据集，生成基于任意不确定性分析后的原型，计算原型‑查询对的概率相似度，构造基于可微优化的图像分类器。采用本发明可以对工业小样本下轴承振动故障图像数据进行不确定性分析并快速建立量化模型，计算周期短以及可移植性高。可适应不同工况下的稀疏异构工业信号，并对其精准预测故障类型。
-
公开(公告)号：CN116051911B
公开(公告)日：2023-07-07
申请号：CN202310321029.9
申请日：2023-03-29
Applicant: 北京大学
IPC: G06V10/764 , G01M13/045 , G06V10/74 , G06V10/774 , G06V10/77
Abstract: 本发明公布了一种基于不确定性学习的小样本轴承振动图像数据故障诊断方法，属于工业故障诊断领域。本发明首先构造基于N‑way K‑shot的小样本数据集，生成基于任意不确定性分析后的原型，计算原型‑查询对的概率相似度，构造基于可微优化的图像分类器。采用本发明可以对工业小样本下轴承振动故障图像数据进行不确定性分析并快速建立量化模型，计算周期短以及可移植性高。可适应不同工况下的稀疏异构工业信号，并对其精准预测故障类型。
-
公开(公告)号：CN113312993A
公开(公告)日：2021-08-27
申请号：CN202110539555.3
申请日：2021-05-17
Applicant: 北京大学
Abstract: 本发明公布了一种基于PSPNet的遥感数据土地覆盖分类方法，采用多尺度融合分割模块构造多尺度特征，对土地覆盖类型进行分析，快速建立辨识模型，通过自适应损失算法，弥补样本稀疏类别不平衡造成的信息损失，自适应样本权重，采用预训练网络迁移的方法，通过图像数据库丰富样本多样性，实现对不同类型雷达遥感图像的辨识分割，其算法复杂度低，计算周期短，可适应样本稀疏不平衡下的遥感图像，并对其像素点进行精准语义分割，将土地图片进行区域类型分类，在图像处理领域具有普适性和高可移植性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
