-
公开(公告)号：CN107239828A
公开(公告)日：2017-10-10
申请号：CN201610183511.0
申请日：2016-03-28
Applicant: 日本电气株式会社
IPC: G06N3/08
Abstract: 本公开涉及一种在神经网络中进行特征选择的方法和设备。所述方法可以包括：接收包含待在神经网络中进行特征选择的特征的训练集，所述神经网络包括输入层、中间层、输出层以及连接在所述输入层和所述中间层之间的稀疏层；以及，通过所述训练集对所述神经网络进行训练，以确定所述神经网络中的输入层、稀疏层、中间层和输出层之间的连接权重，其中针对所述稀疏层设置有稀疏性约束，用以对与所述稀疏层连接的所述输入层的节点进行选择。根据本公开的实施方式，可以以更加高效、更加有效地执行特征选择和训练神经网络，进而可以提高经过训练后的神经网络的可靠性和预测准确度。
-
公开(公告)号：CN108302735B
公开(公告)日：2022-10-28
申请号：CN201610871902.1
申请日：2016-09-30
Applicant: 日本电气株式会社
IPC: F24F11/89 , F24F11/64 , F24F110/50
Abstract: 本申请提供了一种用于控制空气净化系统的设备，包括：数据获取单元，被配置为获取室内和室外空气质量数据、室内空气净化历史数据和提前开启空气净化系统的时间的估计值；建模单元，被配置为基于所获取的数据并按照多个目标来建立多目标优化模型；以及控制单元，被配置为通过对所述多目标优化模型进行求解来控制空气净化系统的操作。本申请还提供了一种用于控制空气净化系统的方法。本申请在保证舒适的生活工作环境同时，尽可能地降低了空气净化系统的能耗。
-
公开(公告)号：CN107884511B
公开(公告)日：2022-01-21
申请号：CN201610871833.4
申请日：2016-09-30
Applicant: 日本电气株式会社
Abstract: 本申请提供了一种用于预测室内空气质量的设备，包括：室外空气质量预测单元，被配置为预测室外空气质量；确定单元，被配置为确定室外空气质量与室内空气质量之间的关系；监测单元，被配置为监测室内空气质量异常；以及室内空气质量预测单元，被配置为根据室外空气质量、室外空气质量与室内空气质量之间的关系以及室内空气质量异常来预测室内空气质量。通过本申请，能够更加准确地预测室内空气质量，并且以较小的代价达到室内空气的净化。
-
公开(公告)号：CN106709588A
公开(公告)日：2017-05-24
申请号：CN201510778908.X
申请日：2015-11-13
Applicant: 日本电气株式会社
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本公开涉及预测模型构建方法和设备以及实时预测方法和设备。所述预测模型构建方法包括：识别待训练数据中的多种不同的关联模式，其中多种不同的关联模式描述待训练数据中的影响因素与目标数据之间的多种不同的关联关系；利用与多种不同的关联模式相对应的多组数据分别进行训练，以得到适用于多种不同的关联模式的多个子预测模型；以及根据待训练数据构建多种不同的关联模式之间的关联模式转移模型，其中关联模式转移模型用于在预测过程中确定多个不同的子预测模型与待预测数据之间的匹配度。根据本公开的实施方式，可以得到与多种数据特征对应的多个预测模型，因此在预测时可以基于数据自身特征动态调整各个预测模型的权重，从而提高预测精度。
-
公开(公告)号：CN107884319B
公开(公告)日：2023-05-02
申请号：CN201610872046.1
申请日：2016-09-30
Applicant: 日本电气株式会社
IPC: G01N15/06
Abstract: 本申请提供了一种用于对粉尘传感器进行标定的系统，包括：数据获取单元，被配置为在多个时间点上，获取粉尘传感器在多个环境变量下的输出值以及颗粒物标准值；确定单元，被配置为根据所获取的数据来确定标定函数；测量单元，被配置为对粉尘传感器的输出值和多个环境变量进行实时测量，并基于所述标定函数获得颗粒物标定值；以及修正单元，被配置为对颗粒物标定值进行修正。本申请还提供了一种用于对粉尘传感器进行标定的方法。本申请提出在对粉尘传感器进行标定的过程中同时采集各种环境变量值，从而能够对粉尘传感器进行更为精准的标定。
-
Patent Agency Ranking
公开(公告)号：CN108302735A
公开(公告)日：2018-07-20
申请号：CN201610871902.1
申请日：2016-09-30
Applicant: 日本电气株式会社
IPC: F24F11/89 , F24F11/00 , F24F110/50
CPC classification number: Y02B30/78
Abstract: 本申请提供了一种用于控制空气净化系统的设备，包括：数据获取单元，被配置为获取室内和室外空气质量数据、室内空气净化历史数据和提前开启空气净化系统的时间的估计值；建模单元，被配置为基于所获取的数据并按照多个目标来建立多目标优化模型；以及控制单元，被配置为通过对所述多目标优化模型进行求解来控制空气净化系统的操作。本申请还提供了一种用于控制空气净化系统的方法。本申请在保证舒适的生活工作环境同时，尽可能地降低了空气净化系统的能耗。
-
公开(公告)号：CN107884319A
公开(公告)日：2018-04-06
申请号：CN201610872046.1
申请日：2016-09-30
Applicant: 日本电气株式会社
IPC: G01N15/06
CPC classification number: G01N15/06 , G01N2015/0096 , G01N2015/0693
Abstract: 本申请提供了一种用于对粉尘传感器进行标定的系统，包括：数据获取单元，被配置为在多个时间点上，获取粉尘传感器在多个环境变量下的输出值以及颗粒物标准值；确定单元，被配置为根据所获取的数据来确定标定函数；测量单元，被配置为对粉尘传感器的输出值和多个环境变量进行实时测量，并基于所述标定函数获得颗粒物标定值；以及修正单元，被配置为对颗粒物标定值进行修正。本申请还提供了一种用于对粉尘传感器进行标定的方法。本申请提出在对粉尘传感器进行标定的过程中同时采集各种环境变量值，从而能够对粉尘传感器进行更为精准的标定。
-
公开(公告)号：CN106650189A
公开(公告)日：2017-05-10
申请号：CN201510728949.8
申请日：2015-10-30
Applicant: 日本电气株式会社
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本公开涉及用于因果关系挖掘的方法和设备。所述方法包括：基于切分点将目标数据及其影响因素的时间序列划分为多个时间分段；以及学习所述多个时间分段中的各个时间分段中的因果关系以及延迟参数。在所述方法中，所述划分和所述学习的操作迭代地执行，以得到优化时间分段和各个优化时间分段中的因果关系和延迟参数，并且在迭代中所使用的切分点基于先前迭代中的各个时间分段中的延迟参数来更新。根据本公开，可以得到优化时间分段及其相关的因果关系和延迟参数，并且利用该方法，可以同时学习动态因果关系以及延迟参数，这将显著提高因果关系和延迟参数的准确性。
-
公开(公告)号：CN106610980A
公开(公告)日：2017-05-03
申请号：CN201510690684.7
申请日：2015-10-22
Applicant: 日本电气株式会社
CPC classification number: G06F17/30241 , G06K9/6262 , G06K9/6267
Abstract: 提供了一种用于对时空序列数据进行分类/预测的设备，包括：接收单元，被配置为接收时空序列数据；建模单元，被配置为基于时空序列数据产生与地理上的异构性有关的权重参数，并基于所产生的权重参数构建用于分类/预测的模型；以及分类/预测单元，被配置为采用所构建的用于分类/预测的模型对时空序列数据进行分类/预测。还提供了一种用于对时空序列数据进行分类/预测的方法。本发明提出的地理加权极限学习机考虑到地理空间的异构性，能够提高对时空序列数据进行分类或预测的精度。
-
公开(公告)号：CN105787500A
公开(公告)日：2016-07-20
申请号：CN201410834973.5
申请日：2014-12-26
Applicant: 日本电气株式会社
Abstract: 本发明涉及一种基于人工神经网络的特征选择方法和装置，其中该方法包括：根据待选择的K个特征和O个输出目标构造具有输入层、中间层和输出层的人工神经网络；利用训练集对所述人工神经网络进行训练，以确定所述人工神经网络中各层至下一层的连接权重，其中，训练时所用的优化函数包括对所述输入层进行稀疏性约束的项，以使得所述输入层至下一层的连接权重能够表示对所述K个特征的选择结果。通过在人工神经网络的输入层添加稀疏性约束，能够实现在对人工神经网络进行训练的同时得到特征选择结果，提高了对人工神经网络进行特征选择的效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
