公开(公告)号：CN117350149A

公开(公告)日：2024-01-05

申请号：CN202311246096.5

申请日：2023-09-26

Applicant: 北京工业大学

Inventor： 韩红桂 ,  李蒙蒙 ,  伍小龙 ,  杨宏燕

IPC: G06F30/27 ,  G06F119/02

Abstract: 本发明提出一种基于分层滤波知识的出水总磷检测方法。针对污水处理过程数据量不足的情况下，难以获得精确检测模型的问题，本发明利用一种基于分层滤波知识的出水总磷检测方法，通过建立基于模糊神经网络的出水总磷智能检测模型，设计基于分层滤波的知识迁徙学习算法对知识进行校正，利用污水处理过程的知识完成检测模型的参数调整，保证污水处理过程运行特征提取的准确性，提高出水总磷的检测精度。

公开(公告)号：CN114912543A

公开(公告)日：2022-08-16

申请号：CN202210631722.1

申请日：2022-06-06

Applicant: 北京工业大学

Inventor： 韩红桂 ,  孙美婷 ,  李蒙蒙 ,  李方昱

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，实现城市污水处理过程中随机缺失数据的实时补偿。针对城市污水处理过程数据具有非线性、高噪声的特点，难以利用精确的数学模型建立，该补偿方法，利用自编码神经网络自动提取变量间的非线性关系，根据事件触发机制判断实时样本的缺失情况，采用梯度下降算法对模型参数进行自适应在线调整，降低了高噪声对补偿结果的影响，提高了城市污水处理过程缺失数据实时补偿的精度。

公开(公告)号：CN118821008A

公开(公告)日：2024-10-22

申请号：CN202410812537.1

申请日：2024-06-22

Applicant: 北京工业大学

Inventor： 韩红桂 ,  李蒙蒙 ,  冯成成 ,  侯莹 ,  王晶晶 ,  刘峥 ,  高慧慧

IPC: G06F18/2433 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明提出了一种基于深度学习的研究生教育数据异常检测方法。针对研究生教育培养过程中统计数据复杂多变、难以建立精确检测模型的难题，本发明通过深度学习技术，构建了一个高效的异常数据检测模型。该模型基于深度残差卷积神经网络，能够通过有效提取数据中的深层特征来准确识别异常数据。为了进一步提高模型的检测精度，本发明还引入了迁徙学习算法，通过对模型参数的优化校正，使得模型更加适应不同场景下的数据变化。这一技术的应用，不仅能够保证研究生教育培养过程数据的准确性，还能够提高异常数据的检测精度，为研究生教育培养提供了有力的技术支持。

公开(公告)号：CN114912543B

公开(公告)日：2025-03-07

申请号：CN202210631722.1

申请日：2022-06-06

Applicant: 北京工业大学

Inventor： 韩红桂 ,  孙美婷 ,  李蒙蒙 ,  李方昱

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，实现城市污水处理过程中随机缺失数据的实时补偿。针对城市污水处理过程数据具有非线性、高噪声的特点，难以利用精确的数学模型建立，该补偿方法，利用自编码神经网络自动提取变量间的非线性关系，根据事件触发机制判断实时样本的缺失情况，采用梯度下降算法对模型参数进行自适应在线调整，降低了高噪声对补偿结果的影响，提高了城市污水处理过程缺失数据实时补偿的精度。