-
公开(公告)号：CN119903280A
公开(公告)日：2025-04-29
申请号：CN202510379361.X
申请日：2025-03-28
Applicant: 吉林大学
Abstract: 本发明适用于数据驱动技术领域，提供了一种基于多任务学习的不平衡回归问题解决方法。本发明通过多任务学习框架，有效利用辅助任务的知识，显著提升主任务在不平衡数据条件下的预测准确性；利用辅助任务提供的额外信息和约束，使得模型在数据稀缺的区域能够更好地学习，从而缓解不平衡数据带来的挑战；结合自适应梯度缩放与动态调整损失函数权重，有效平衡了不同任务在训练过程中的梯度贡献，提高了训练过程的稳定性和收敛速度；在训练后，本发明支持修剪辅助任务分支，使模型大小与单任务学习模型大小相当。这种精简能力确保了多任务学习方法在实际应用中的高效性和资源友好性，适合在资源受限的环境中部署。
-
公开(公告)号：CN119770584A
公开(公告)日：2025-04-08
申请号：CN202510290469.1
申请日：2025-03-12
Applicant: 吉林大学
Abstract: 本发明属于中药技术领域，主要涉及一种清咽利喉的中药组合物、中药制剂及其制备方法和应用。中药组合物由以下重量份的中药组成：玄参0.9～1.5重量份、玉竹1.2～5.0重量份、北沙参1.0～3.0重量份、地黄1.0～1.5重量份、麦冬1.0～3.0重量份、石膏1.5～6.0重量份和甘草0.5～3.0重量份。中药制剂的制备方法包括炮制、配料、提取、浓缩、制软材、制粒、干燥和整粒工序。该清咽利喉的中药组合物或中药制剂能缓解由热邪引起的咽部红肿、口干咽燥、咽痛、咽痒、灼热、痰少以及咽部有异物感等症状，对慢性咽炎的治疗表现出显著疗效。通过统一制备方法，确保所用药材质量和剂量的准确性，以及治疗效果的稳定性。
-
公开(公告)号：CN119169580A
公开(公告)日：2024-12-20
申请号：CN202411180802.5
申请日：2024-08-27
Applicant: 吉林大学
IPC: G06V20/58 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/0895 , G06N3/094 , G06N3/0985
Abstract: 一种基于特征对抗学习的自动驾驶汽车跨天气目标检测方法，属于机器学习和计算机视觉技术领域。本发明的目的是利用对抗学习实现源域和目标域之间的特征对齐，减少不同天气条件下的分布差异，从而提高在各种天气条件下目标检测的效率和准确性的基于特征对抗学习的自动驾驶汽车跨天气目标检测方法。本发明的结构包括以下几部分：特征增强模块、域对齐模块和半监督跨域检测模块。本发明减少标记数据需求与缓解灾难性遗忘：通过半监督学习，减少对大量标记数据的需求，实现高效训练；结合特征增强模块和域对齐模块，在防止灾难性遗忘方面效果显著，使模型在不断变化的天气条件下保持高性能。
-
公开(公告)号：CN119147982A
公开(公告)日：2024-12-17
申请号：CN202411638598.7
申请日：2024-11-18
Applicant: 吉林大学
IPC: G01R31/378 , G01R31/367 , G01R31/392
Abstract: 本发明适用于锂离子电池管理技术领域，提供了基于多模型融合的锂离子电池荷电和健康状态估计方法，包括以下步骤：数据采集及处理；基于等电压间隔放电时间的电池SOH估计；电池SOC估计模型的搭建与训练；基于容量修正的安时积分法：将步骤二所计算的SOH值应用于安时积分法中，以实时调整SOC的估算值；当前电池SOH下电池SOC的估计：将步骤三中应用神经网络输出的SOC和步骤四中应用安时积分法计算的SOC应用卡尔曼滤波器进行融合；评价指标设定。本发明显著提高了锂离子电池SOC和SOH的估计准确性，降低了误差，增强了BMS性能，提升了电池安全性和使用寿命，同时展现出强适应性和良好的抗噪声性能。
-
公开(公告)号：CN118706457A
公开(公告)日：2024-09-27
申请号：CN202410208040.9
申请日：2024-02-26
Applicant: 吉林大学
Abstract: 一种基于燃油消耗模型的发动机劣化状态在线监测方法，属于发动机技术领域。本发明的目的是基于快速发展的智能网联技术，采用端云协同的形式获取、计算和反馈信息，实现发动机状态实时监测的基于燃油消耗模型的发动机劣化状态在线监测方法。本发明燃油消耗模型根据车辆动力学和运动学建立，以车速、加速度、发动机转速、坡度为输入估计燃油消耗量，将此模型估计值作为未劣化时的燃油消耗量，与实际燃油消耗量比较，根据统计计算后的偏差判断发动机的劣化程度，并针对不同情况采取不同措施。本发明可应用于不同车辆的发动机劣化状态监测，具有良好的可推广性。
-
Patent Agency Ranking
公开(公告)号：CN113722837B
公开(公告)日：2023-09-29
申请号：CN202111087397.9
申请日：2021-09-16
Applicant: 吉林大学
Abstract: 一种根据不同工况的数据簇建立柴油车辆油耗与排放模型方法，属于汽车控制技术领域。本发明的目的是将数据聚类与神经网络结合的建模方法，先使用聚类算法根据车辆不同工况下的数据内部特点，将车辆数据聚类成不同的数据簇，然后使用每个工况对应的数据簇建立专属神经网络模型的根据不同工况的数据簇建立柴油车辆油耗与排放模型方法。本发明的步骤是：确定模型的输入和输出，分别定义Eps邻域、核心数据点、密度直达、密度可达、簇、噪声点，将数据集划分为不同的数据簇，对于不同数据簇，使用单隐含层双节点结构神经网络建模。本发明提高了针对性（仅针对特定工况），因此不需要为了满足全面性而牺牲精度，神经网络模型的精度也得到了提高。
-
公开(公告)号：CN115186591A
公开(公告)日：2022-10-14
申请号：CN202210840991.9
申请日：2022-07-18
Applicant: 吉林大学
IPC: G06F30/27 , F01N3/20 , F01N11/00 , G06F119/08
Abstract: 一种发动机选择催化还原系统建模及智能参数辨识方法，属于柴油机尿素SCR排放后处理技术领域。本发明的目的是设计了一种简化的SCR模型，有效利用了最大氨吸附能力的信息，并提供了一种快捷的参数辨识方法，显著提高了模型精度的发动机选择催化还原系统建模及智能参数辨识方法。本发明的步骤是：建立简化的三阶尿素SCR系统模型，确定催化剂最大氨吸附能力与温度的映射关系，确定待辨识参数，构建参数辨识适应度函数，确定智能优化算法的参数，使用智能优化算法对系统进行参数辨识。本发明可以用于不同类型的SCR系统，提出了高精度的降阶SCR模型，有效的利用了最大氨吸附能力的信息，在速度和精度上表现良好。
-
公开(公告)号：CN113722837A
公开(公告)日：2021-11-30
申请号：CN202111087397.9
申请日：2021-09-16
Applicant: 吉林大学
Abstract: 一种根据不同工况的数据簇建立柴油车辆油耗与排放模型方法，属于汽车控制技术领域。本发明的目的是将数据聚类与神经网络结合的建模方法，先使用聚类算法根据车辆不同工况下的数据内部特点，将车辆数据聚类成不同的数据簇，然后使用每个工况对应的数据簇建立专属神经网络模型的根据不同工况的数据簇建立柴油车辆油耗与排放模型方法。本发明的步骤是：确定模型的输入和输出，分别定义Eps邻域、核心数据点、密度直达、密度可达、簇、噪声点，将数据集划分为不同的数据簇，对于不同数据簇，使用单隐含层双节点结构神经网络建模。本发明提高了针对性（仅针对特定工况），因此不需要为了满足全面性而牺牲精度，神经网络模型的精度也得到了提高。
-
公开(公告)号：CN120048134A
公开(公告)日：2025-05-27
申请号：CN202510259602.7
申请日：2025-03-06
Applicant: 吉林大学
Abstract: 本发明涉及智能交通控制技术领域，具体是基于时空卷积注意力机制的多智能体交通信号控制方法，将一个区域的多交叉口交通网络建模为多智能体系统，各个多智能体在学习策略过程中同时考虑邻近时刻的相邻多智能体动作的影响，使多个多智能体能协同地进行多交叉口的信号灯控制，建立能够反映当前区域交通网络状态的张量。并将卷积注意力机制融入到深度强化学习神经网络使得智能体能够更好的关注临近交叉口车辆的状态。最后建立基于深度强化学习算法D3QN_CBAM的多智能体交叉口信号控制模型，本发明基于时空卷积注意力机制的多智能体交通信号控制方法，将注意力机制与区域信号控制相结合，提升了区域交通信号协同控制的性能和效果。
-
公开(公告)号：CN119916222A
公开(公告)日：2025-05-02
申请号：CN202510397499.2
申请日：2025-04-01
Applicant: 吉林大学
IPC: G01R31/367 , G01R31/392 , G01R31/00 , G06N3/0442 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及锂离子电池领域，具体是一种基于端云协同策略的电池健康状态估计方法，包括以下步骤：电池老化特征提取；数据预处理，包括数据归一化和时间序列数据构建；构建电池预测模型，包括在云侧构建并训练神经网络模型以及在端侧则构建电池老化的经验模型；设定评价指标。本发明构建了一个面向电池SOH估计的端云协同的混合预测网络，该网络分别在云侧和端侧部署了不同的电池SOH预测模型，分别利用电池老化特征和数学关系来进行SOH预测，能够综合考虑电池老化的个体差异和电池老化的一般性规律，同时提高模型计算速度，具有良好的精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.021 seconds)
