公开(公告)号：CN110837865A

公开(公告)日：2020-02-25

申请号：CN201911084862.6

申请日：2019-11-08

Applicant: 北京计算机技术及应用研究所

Inventor： 李佳珍 ,  袁晓光 ,  王泊涵 ,  戴志明 ,  李墈婧 ,  韩涛 ,  谢德鹏

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于表示学习和迁移学习的领域适配方法，属于大数据和物联网技术领域。本发明提出的基于表示学习和迁移学习的领域适配方法是基于源域的少量真实标签实现，从而减少对有标签数据的依赖。通过Center Loss与Softmax Loss联合损失函数嫩刚使得源域的数据特征扩大类间距，缩小类内距，从而获得源域的可分离的特征。通过定义源域特征和目标域特征之间的距离的损失函数即MMD Loss损失函数，能够再通过神经网络的训练过程降低MMD Loss损失函数的值，从而拉近源域和目标域的距离，最终提高目标域的准确率。

公开(公告)号：CN109583124B

公开(公告)日：2023-02-03

申请号：CN201811528316.2

申请日：2018-12-13

Applicant: 北京计算机技术及应用研究所

Inventor： 李墈婧 ,  王泊涵 ,  戴志明 ,  李佳珍 ,  韩涛 ,  谢德鹏 ,  杨飞

IPC: G06F30/20 ,  G06F17/11

Abstract: 本发明涉及一种基于ADRC的HMM故障预测系统，其中，包括：跟踪微分器、扩张状态观测器、非线性误差反馈控制器以及被控对象，系统输入信号v(t)作为跟踪微分器输入，扩张状态观测器输入为被控对象输出量y以及b0u，非线性误差反馈控制器采用PID反馈控制，非线性误差反馈控制器利用跟踪微分器和扩张状态观测器的输出，以得到系统的状态误差，被控对象确定的加速度部分f0(x1,x2)以及系统未知部分，包括系统未建模部分和扰动部分w(t)，u为控制输入。本发明在于当系统模型存在未知部分的情况下，也能根据已知部分设计完整的扩张状态观测器(ESO)控制参数。充分利用已有的系统模型原理，提取出更精确的特征进行故障预测。

公开(公告)号：CN109583124A

公开(公告)日：2019-04-05

申请号：CN201811528316.2

申请日：2018-12-13

Applicant: 北京计算机技术及应用研究所

Inventor： 李墈婧 ,  王泊涵 ,  戴志明 ,  李佳珍 ,  韩涛 ,  谢德鹏 ,  杨飞

IPC: G06F17/50 ,  G06F17/11

Abstract: 本发明涉及一种基于ADRC的HMM故障预测系统，其中，包括：跟踪微分器、扩张状态观测器、非线性误差反馈控制器以及被控对象，系统输入信号v(t)作为跟踪微分器输入，扩张状态观测器输入为被控对象输出量y以及b0u，非线性误差反馈控制器采用PID反馈控制，非线性误差反馈控制器利用跟踪微分器和扩张状态观测器的输出，以得到系统的状态误差，被控对象确定的加速度部分f0(x1,x2)以及系统未知部分，包括系统未建模部分和扰动部分w(t)，u为控制输入。本发明在于当系统模型存在未知部分的情况下，也能根据已知部分设计完整的扩张状态观测器(ESO)控制参数。充分利用已有的系统模型原理，提取出更精确的特征进行故障预测。