-
公开(公告)号：CN114266278B
公开(公告)日：2024-02-20
申请号：CN202111637184.9
申请日：2021-12-29
Applicant: 合肥工业大学
IPC: G06F30/27 , G06F18/24 , G06F18/214 , G06F18/25 , G06Q10/04 , G06Q10/20 , G06F119/02
Abstract: 本发明公开了一种基于双重注意力网络的设备剩余使用寿命预测方法，其步骤包括：1收集传感器数据并进行预处理，通过滑动时间窗口方法构建数据样本集；2搭建双重注意力网络，网络结构包含空间注意力模块、双向长短期记忆模块、时间注意力模块和全连接网络预测模块；3训练双重注意力网络模型，优化模型参数；4利用训练好的双重注意力网络模型预测设备的剩余使用寿命。本发明能自适应融合多源传感器数据，并能实现不同时间的特征的差异性利用，从而提升剩余使用寿命预测效果。
-
公开(公告)号：CN110533249B
公开(公告)日：2021-09-14
申请号：CN201910824388.X
申请日：2019-09-02
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于集成长短期记忆网络的冶金企业能耗预测方法，其步骤包括：1收集冶金企业能耗数据并进行预处理；2使用长短期记忆网络提取冶金企业能耗数据的深度学习特征；3构建多个冶金企业能耗数据的训练集，训练多个冶金企业能耗数据的支持向量回归预测模型；4使用Jensen‑Shannon散度对K个训练好的支持向量回归预测模型进行选择，使用自适应线性归一化结合方法对所选择的支持向量回归预测模型的结果进行融合。本发明能解决单个冶金企业能耗数据的支持向量回归预测模型鲁棒性不强的问题，提冶金企业能耗数据的预测效果。
-
公开(公告)号：CN114707731A
公开(公告)日：2022-07-05
申请号：CN202210371790.9
申请日：2022-04-11
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于双层注意力网络多域特征融合的设备剩余寿命预测方法，包括：1、融合领域知识，提取信号信息的时域、频域和时频域统计特征；2、构建多尺度特征提取模块，采用不同大小卷积核的一维卷积神经网络从多个尺度的信号信息中提取特征；3、基于尺度注意力模块对得到的多尺度综合信息进行加权组合；4、将多尺度特征输入长短期记忆网络提取多尺度深度特征；5、采用领域注意力模块，为多尺度深度特征和三种统计特征赋予不同的权重，有针对性的利用不同的特征组合进行设备剩余寿命预测。本发明能快速、准确地预测设备的剩余寿命，从而提高工程机械高端装备可靠性和安全性、降低失效事件发生的风险。
-
公开(公告)号：CN110825981B
公开(公告)日：2021-08-17
申请号：CN201911076443.8
申请日：2019-11-06
Applicant: 合肥工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于证据理论的群推荐方法，其步骤包括：1、用三元组分别表示用户对项目的评分，以及用户与群组之间所属关系；2、实施概率矩阵分解方法，获取群组中每个成员对项目的预测评分；3、定义群组中每个成员的权重以及可靠性；4、针对每个群组，利用证据推理方法融合群成员的预测评分信息，获得群组对项目的预测评分；5、根据群组对项目的预测评分由高到低排序，选取前W个项目最终构成该群组的推荐列表。本发明能够在为群进行推荐时充分考虑群成员的权重，并同时为不同权重的证据赋予一定的可靠性，通过采用证据理论的方法合成尽可能使大多数群成员都满意的群推荐结果，从而有效提高群推荐的效果。
-
公开(公告)号：CN114692694A
公开(公告)日：2022-07-01
申请号：CN202210372271.4
申请日：2022-04-11
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于特征融合和集成聚类的设备故障诊断方法，其步骤包括：第一，采集数据并进行预处理；第二，利用信号处理方法提取时域、频域、时频域特征的统计特征，同时，利用基于双向长短期记忆网络的降噪自编码器提取深度表示特征；第三，基于上述特征，生成多个特征空间，并训练基聚类器；第四，利用选择性加权投票法融合各基聚类器结果，进行设备故障诊断。本发明能够有效融合多类特征，同时确保设备故障诊断模型的稳定性和鲁棒性，从而提高设备故障诊断的精度。
-
Patent Agency Ranking
公开(公告)号：CN110825981A
公开(公告)日：2020-02-21
申请号：CN201911076443.8
申请日：2019-11-06
Applicant: 合肥工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于证据理论的群推荐方法，其步骤包括：1、用三元组分别表示用户对项目的评分，以及用户与群组之间所属关系；2、实施概率矩阵分解方法，获取群组中每个成员对项目的预测评分；3、定义群组中每个成员的权重以及可靠性；4、针对每个群组，利用证据推理方法融合群成员的预测评分信息，获得群组对项目的预测评分；5、根据群组对项目的预测评分由高到低排序，选取前W个项目最终构成该群组的推荐列表。本发明能够在为群进行推荐时充分考虑群成员的权重，并同时为不同权重的证据赋予一定的可靠性，通过采用证据理论的方法合成尽可能使大多数群成员都满意的群推荐结果，从而有效提高群推荐的效果。
-
公开(公告)号：CN110533249A
公开(公告)日：2019-12-03
申请号：CN201910824388.X
申请日：2019-09-02
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于集成长短期记忆网络的冶金企业能耗预测方法，其步骤包括：1收集冶金企业能耗数据并进行预处理；2使用长短期记忆网络提取冶金企业能耗数据的深度学习特征；3构建多个冶金企业能耗数据的训练集，训练多个冶金企业能耗数据的支持向量回归预测模型；4使用Jensen-Shannon散度对K个训练好的支持向量回归预测模型进行选择，使用自适应线性归一化结合方法对所选择的支持向量回归预测模型的结果进行融合。本发明能解决单个冶金企业能耗数据的支持向量回归预测模型鲁棒性不强的问题，提冶金企业能耗数据的预测效果。
-
公开(公告)号：CN114707731B
公开(公告)日：2025-02-18
申请号：CN202210371790.9
申请日：2022-04-11
Applicant: 合肥工业大学
IPC: G06Q10/04 , G06F18/21 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于双层注意力网络多域特征融合的设备剩余寿命预测方法，包括：1、融合领域知识，提取信号信息的时域、频域和时频域统计特征；2、构建多尺度特征提取模块，采用不同大小卷积核的一维卷积神经网络从多个尺度的信号信息中提取特征；3、基于尺度注意力模块对得到的多尺度综合信息进行加权组合；4、将多尺度特征输入长短期记忆网络提取多尺度深度特征；5、采用领域注意力模块，为多尺度深度特征和三种统计特征赋予不同的权重，有针对性的利用不同的特征组合进行设备剩余寿命预测。本发明能快速、准确地预测设备的剩余寿命，从而提高工程机械高端装备可靠性和安全性、降低失效事件发生的风险。
-
公开(公告)号：CN114692694B
公开(公告)日：2024-02-13
申请号：CN202210372271.4
申请日：2022-04-11
Applicant: 合肥工业大学
IPC: G06F18/213 , G06F18/10 , G06F18/23 , G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于特征融合和集成聚类的设备故障诊断方法，其步骤包括：第一，采集数据并进行预处理；第二，利用信号处理方法提取时域、频域、时频域特征的统计特征，同时，利用基于双向长短期记忆网络的降噪自编码器提取深度表示特征；第三，基于上述特征，生成多个特征空间，并训练基聚类器；第四，利用选择性加权投票法融合各基聚类器结果，进行设备故障诊断。本发明能够有效融合多类特征，同时确保设备故障诊断模型的稳定性和鲁棒性，从而提高设备故障诊断的精度。
-
公开(公告)号：CN109002541B
公开(公告)日：2021-12-07
申请号：CN201810812531.9
申请日：2018-07-23
Applicant: 合肥工业大学
IPC: G06F16/9535
Abstract: 本发明提供一种融合群组信息的列表级学习项目推荐方法，能够利用用户参与群组的信息，得到用户之间的相关性，从而提高项目推荐的精度，提升用户对推荐结果的满意度。本发明有益效果体现在：克服了当前推荐方法对群组信息利用不完整的现象，为在项目推荐的研究中充分的利用群组信息提供了一个参考，明显提高了推荐的精度，有效缓解了推荐系统中存在的数据稀疏问题；相对已有的推荐方法，本发明首次使用用户加入群组大小和用户共同加入群组数量信息，有效提高推荐精度和用户对最终推荐项目的满意度；本发明可以推荐电影、音乐、图书等多种项目，泛化能力强。同时，本发明提出的方法可以在各种平台上的推荐系统中使用，应用范围广泛。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
