公开(公告)号：CN120090248A

公开(公告)日：2025-06-03

申请号：CN202510328720.9

申请日：2025-03-19

Applicant: 苏州科技大学

Inventor： 傅启明 ,  何家豪 ,  陈建平 ,  吴宏杰 ,  陆悠 ,  王蕴哲

IPC: H02J3/28 ,  H02J3/38 ,  H02J3/00 ,  H02J3/14

Abstract: 本发明公开了一种基于深度强化学习的家庭负荷峰值调控方法，它包括：步骤S1、采集家庭历史负荷数据，并将家庭大功率设备负荷作为特征负荷数据，然后进行数据预处理；步骤S2、将家庭历史负荷数据和特征负荷数据一起输入LSTM网络进行训练，利用LSTM网络预测下一时间步的家庭负荷；步骤S3、根据预测到的下一时间步的家庭负荷，利用深度强化学习算法为家庭储能设备制定控制策略，控制储能设备调节当前时间步的负荷需求。本发明提供一种基于深度强化学习的家庭负荷峰值调控方法，通过引入储能设备，根据家庭负荷需求对家庭能源进行管理。

公开(公告)号：CN111178626B

公开(公告)日：2024-10-25

申请号：CN201911387967.9

申请日：2019-12-30

Applicant: 苏州科技大学

Inventor： 傅启明 ,  沈云瑶 ,  陈建平 ,  王哲超 ,  陆悠 ,  吴宏杰

IPC: G06Q10/04 ,  G06Q50/08 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明涉及一种基于WGAN算法的建筑能耗预测方法及监测预测系统。主要是采集了建筑物的能耗数据以及相关的能耗特征数据，使用变分自动编码器提取高级特征，并通过极限梯度增强算法检测特征重要性。然后将所有获得的所有能耗特征输入至生成对抗网络模型中训练，同时利用强化学习算法对模型中的超参数优化，最终获得一个预测模型，用于预测建筑能耗。本发明的能耗预测方法不仅提高了模型训练的性能和速度，同时充分利用各种数据之间的紧密联系和相互作用，使得预测模型更加稳定和精准。

公开(公告)号：CN110065855B

公开(公告)日：2024-01-23

申请号：CN201910320871.4

申请日：2019-04-21

Applicant: 苏州科技大学

Inventor： 黄泽天 ,  傅启明 ,  陈建平 ,  陆悠 ,  吴宏杰

IPC: B66B1/06 ,  B66B1/34

Abstract: 本发明涉及一种多轿厢电梯控制方法及控制系统。包括：获取各个用户体重，根据体重总值确定所需轿厢数量。获取训练数据。通过Q‑Learning算法对所述训练数据进行学习，获得最优策略。将所述最优策略转换成控制信号控制各个轿厢的运行。上述方法中，先通过电梯前方等待乘坐电梯的用户的总体重量计算所需的轿厢数量，这样可以避免调用的轿厢数量与用户总体总量不匹配，减少用户等待时间，也可以避免调用过多的轿厢，造成能源浪费。再通过获取训练数据并用Q‑Learning算法进行学习获得最优策略，可以使电梯的调用更加符合对应建筑物内的用户分布。使电梯调度更加智能化。

公开(公告)号：CN115910382A

公开(公告)日：2023-04-04

申请号：CN202210886772.4

申请日：2022-07-26

Applicant: 苏州科技大学

Inventor： 钱昱磬 ,  丁漪杰 ,  占孝桐 ,  吴宏杰

IPC: G16H70/40 ,  G16H50/70 ,  G06N3/044 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了基于惩罚正则项的受限玻尔兹曼机的预测药物副作用方法、装置以及设备包括：构建目标药物相似性矩阵、目标副作用相似性矩和药物副作用关联矩阵；构建药物受限波尔兹曼机模型和副作用受限波尔兹曼机模型；基于初始模型参数、目标药物相似性矩阵、目标副作用相似性矩和药物副作用关联矩阵构建极大似然函数，将惩罚项加入极大似然函数中，进行迭代训练，直至达到预设迭代次数，得到最佳模型参数；最后利用完成训练的模型进程预测。本发明通过带有惩罚项的极大似然函数梯度下降算法训练模型的最佳参数，避免在训练过程中出现拟合，提高了模型的预测精度，使预测结果更加准确。

公开(公告)号：CN114863998A

公开(公告)日：2022-08-05

申请号：CN202210362641.6

申请日：2022-04-08

Applicant: 苏州科技大学

Inventor： 钱昱磬 ,  丁漪杰 ,  吴宏杰

IPC: G16B20/00

Abstract: 一种基于深度稀疏表示网络的DNA结合蛋白识别方法,包括以下具体步骤：获取DNA结合蛋白序列数据集，分为训练集和测试集；采用PSL‑BLAST软件计算DNA结合蛋白序列数据集内所有序列的特异性打分矩阵；将所有的特异性打分矩阵分别填充或裁剪成相同尺寸的新特异性打分矩阵；采用深度稀疏表示网络构建并训练DNA结合蛋白识别分类器模型，将新特异性打分矩阵输入DNA结合蛋白识别分类器模型内，完成对DNA结合蛋白序列的识别。构建并训练出的DNA结合蛋白识别分类器模型是一种端到端的网络，能够明显的提高预测精度，误差较小，采用卷积自编码器可以鲁棒地学习特异性打分矩阵的潜在特征，并通过稀疏表示层进行分类，提高了模型的泛化能力。

公开(公告)号：CN107119657B

公开(公告)日：2019-04-26

申请号：CN201710338048.7

申请日：2017-05-15

Applicant: 苏州科技大学

Inventor： 卞恺慧 ,  吴宏杰 ,  陈成 ,  邱劲 ,  韦俊

IPC: E02D1/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于视觉测量基坑监测方法，包括以下步骤：S101布置检测点；S102确定监测精度、监测项目和监测频率；S103获取数字彩色图像后进行灰度转换，然后通过噪声去除、多靶点区域识别、靶点中心计算获取多个靶点中心的最优坐标；S104采用误差补偿减少相机标定误差，提高识别精度；S105建立面向建筑工程领域的层次构件库，然后基于三维相似性进行构件搜索，实现参数化的三维模型实时仿真；S106使用BP神经网络建立基坑变形预测模型,对基坑可能发生的结构变形进行估计和预警。本发明用靶点中心优化技术提高识别度，再运用误差补偿从减少相机标定误差的角度来提高识别精度。

公开(公告)号：CN109559824A

公开(公告)日：2019-04-02

申请号：CN201811647080.4

申请日：2018-12-29

Applicant: 苏州科技大学

Inventor： 邱劲 ,  钱玮 ,  唐毅 ,  吴宏杰 ,  张行

IPC: G16H50/20 ,  G16H20/00 ,  G06F16/2457 ,  G10L25/03 ,  B25J11/00

Abstract: 本发明公开了一种基于家庭智能机器人的老年痴呆行为的协同方法，包括如下步骤：获取当前老人的多模态输入信息并标有时间戳，建立老年痴呆行为数据集，并对获取的当前老人的老年痴呆行为进行解析；根据当前老人的老年痴呆行为的解析结果，映射到对当前老人的老年痴呆行为的协同策略；协同结果输出多模态表达；该方法对于患有老年痴呆症的病人，特别是患病的初期，获取患病老人的各感官信息并建立标有时间戳的数据集，有助于医生对患病老人的病情的判断进而得到有效且准确的治疗；对当前老人的多模态输入信息进行解析，映射到对当前老人的老年痴呆行为的协同策略，使得患病老人感受到温暖，可以改善患病老人的情绪进而缓解患病老人的病情。

公开(公告)号：CN109243041A

公开(公告)日：2019-01-18

申请号：CN201811440825.X

申请日：2018-11-29

Applicant: 苏州科技大学

Inventor： 吴宏杰

IPC: G07C9/00

Abstract: 本发明公开一种基于人工智能的虹膜门禁识别系统，包括：智能虹膜采集终端，用于采集请求进入管控区域访客的虹膜图像，访客监控服务器，用于对所述智能虹膜采集终端发送的访客信息进行管理并生成访客权限申请，并将该访客权限申请与所述访客信息发送至综合信息处理器，综合信息处理器，用于以数据库的形式存储并管理内部人员或访客信息，对内部人员和/或访客进行权限设置，并下发授权数据至虹膜终端设备；虹膜终端设备以及WLAN网络设备。本发明，提高了门禁系统的安全可靠性，可灵活应用于安全部门、银行金库等重要场合。

公开(公告)号：CN119513884A

公开(公告)日：2025-02-25

申请号：CN202311074431.8

申请日：2023-08-24

Applicant: 苏州科技大学 ,  苏州爱宝康养科技有限公司

Inventor： 王陆平 ,  陈静 ,  吴宏杰 ,  戴欢 ,  胡伏原

IPC: G06F21/60

Abstract: 本发明涉及计算机安全技术领域，尤其是指一种匹配功能加密方法，具体步骤包括：初始化阶段，密钥产生中心根据安全参数输出系统公钥和主密钥；加密密钥生成阶段，密钥产生中心根据主密钥和加密者身份标识，输出加密密钥；解密密钥生成阶段，密钥产生中心根据主密钥、函数f和接收者身份标识，输出解密密钥；加密算法阶段，输入系统公钥，加密者根据加密密钥、明文消息和加密者指定的目标身份标识，利用加密算法输出密文；解密算法阶段，接收者根据解密密钥、密文和接收者指定的目标身份标识，利用解密算法输出内积函数，接收者利用内积函数解码密文。本发明提升了系统安全性，利用匹配加密的双向访问控制，确保数据源的身份追溯。

公开(公告)号：CN118798264A

公开(公告)日：2024-10-18

申请号：CN202410808762.8

申请日：2024-06-21

Applicant: 苏州科技大学

Inventor： 许满 ,  孙安驰 ,  朱宝忠 ,  李佳倩 ,  吴宏杰

IPC: G06N3/0455 ,  G06N3/084 ,  G06N5/04 ,  G06F18/23

Abstract: 本发明提供的基于bert架构和神经网络的注塑机多参数推荐方法，步骤包括：采集参数数据并进行清洗和预处理；再进行聚类，并分配任务标签和标准标签；进行独热编码，得到数据特征编码Ei；构造包括预训练模型和神经网络模型的多参数推荐模型；然后输入预训练模型得到特定参数特征Featurei，反向实现多参数推荐模型的优化，将特定参数特征Featurei和数据特征编码Ei输入神经网络模型中，实现多参数推荐模型的训练；输入测试集推送相应的参数推荐，本发明包括基于bert架构的预训练模型和神经网络模型，可以实现对多个任务的同时学习和推理，能够推荐高精确度的参数。