公开(公告)号：CN117150253A

公开(公告)日：2023-12-01

申请号：CN202311152116.2

申请日：2023-09-06

Applicant: 华中科技大学无锡研究院

Inventor： 袁烨 ,  金骏阳 ,  覃斌 ,  何心 ,  张永 ,  王茂霖

IPC: G06F18/21 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214

Abstract: 本发明涉及航空发动机技术领域，尤其涉及一种基于多任务学习的发动机健康状态评估方法,该方法包括：获取与目标发动机对应的发动机工况数据集，发动机工况数据集中包括至少两项发动机工况数据；获取发动机参考工况数据集；确定与目标发动机对应的发动机融合特征；得到与目标发动机对应的状态评估结果，状态评估结果包括发动机健康状态子结果、寿命预测子结果以及可靠性评估子结果。在对于发动机的健康状态进行预测的过程中，对于发动机进行多维度的数据获取以及特征融合，并将融合后的特征输入模型当中进行预测，以得到具有可健康阶段、寿命预测以及可靠性结果的多维度检测结果，以实现对于发动机健康状态的多维度状态获取。

公开(公告)号：CN111446002A

公开(公告)日：2020-07-24

申请号：CN202010163049.4

申请日：2020-03-10

Applicant: 华中科技大学

Inventor： 袁烨 ,  孙川 ,  严丽 ,  徐卉 ,  王茂霖 ,  郭裕祺 ,  唐秀川 ,  张海涛 ,  肖阳

IPC: G16H50/80

Abstract: 本发明公开了一种基于人工智能的新型冠状病毒患者病况分类系统，属于病况分类领域，包括：分类模型获取模块，用于训练一个或多个根据患者数据对患者病况进行分类的二分类模型，并从中获取准确性最高的二分类模型作为目标模型，同时确定患者数据中的可解释的特征；预处理模块，用于提取待分类患者数据中的可解释的特征后，对所提取的特征进行预处理，以填充其中的缺失值并替换其中的异常值，从而在预处理结束后得到待分类特征；病况分类模块，用于以待分类特征为目标模型的输入，利用目标模型完成对待分类患者的病况分类。本发明提出了一种稳定性、鲁棒性以及准确性均满足要求的分类系统，能够解决新型冠状病毒患者病况分类的问题。

公开(公告)号：CN117669076A

公开(公告)日：2024-03-08

申请号：CN202311513131.5

申请日：2023-11-10

Applicant: 华中科技大学

Inventor： 袁烨 ,  何心 ,  易郡博 ,  程骋 ,  张永 ,  王茂霖

IPC: G06F30/17 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于数据增强的发动机部件加工质量预测方法及介质，属于火箭发动机技术领域，方法包括：基于原始加工参数中两两数据之间的相关度对其进行数据的降维重构，得到降维加工参数；将加工质量结果作为条件信息，结合随机噪声和降维加工参数共同训练条件生成对抗网络，利用训练后的条件生成对抗网络对初始样本集进行数据增强，得到扩充样本集；以扩充样本集中的降维加工参数为输入、加工质量结果为标签训练混合神经网络，混合神经网络包括特征注意力增强子网络、时间卷积子网络和长短期记忆子网络；将后续批次的加工参数输入混合神经网络，预测得到对应的加工质量结果，该方法提高了发动机部件加工精度。

公开(公告)号：CN113645197B

公开(公告)日：2022-04-29

申请号：CN202110822039.1

申请日：2021-07-20

Applicant: 华中科技大学

Inventor： 袁烨 ,  陈蕊娟 ,  王茂霖 ,  孙川

IPC: H04L9/40 ,  G06N20/00 ,  H04L41/14 ,  H04L67/10

Abstract: 本发明公开了一种去中心化的联邦学习方法、装置及系统，属于联邦学习领域，方法包括：在参与联邦学习的多个客户端之间建立全局通信网络，使得任意两个客户端之间存在通信路径；各客户端分别接收与其直接通信的其他客户端上一时刻的模型参数，并分别计算其得到的各上一时刻的模型参数与相应权重系数之间乘积的和，以及计算其上一时刻的局部模型的损失函数梯度与预设自适应学习率之间的第一乘积，将其当前时刻的模型参数更新为和与第一乘积之间的差值；重复执行上述迭代更新操作，直至各客户端的局部模型的损失函数不高于相应的阈值，或者直至重复执行的次数达到最大迭代次数。在保护各客户端隐私和数据安全的同时，全局训练各局部模型。

公开(公告)号：CN113645197A

公开(公告)日：2021-11-12

申请号：CN202110822039.1

申请日：2021-07-20

Applicant: 华中科技大学

Inventor： 袁烨 ,  陈蕊娟 ,  王茂霖 ,  孙川

IPC: H04L29/06 ,  H04L12/24 ,  G06N20/00 ,  H04L29/08

Abstract: 本发明公开了一种去中心化的联邦学习方法、装置及系统，属于联邦学习领域，方法包括：在参与联邦学习的多个客户端之间建立全局通信网络，使得任意两个客户端之间存在通信路径；各客户端分别接收与其直接通信的其他客户端上一时刻的模型参数，并分别计算其得到的各上一时刻的模型参数与相应权重系数之间乘积的和，以及计算其上一时刻的局部模型的损失函数梯度与预设自适应学习率之间的第一乘积，将其当前时刻的模型参数更新为和与第一乘积之间的差值；重复执行上述迭代更新操作，直至各客户端的局部模型的损失函数不高于相应的阈值，或者直至重复执行的次数达到最大迭代次数。在保护各客户端隐私和数据安全的同时，全局训练各局部模型。