-
Patent Agency Ranking
公开(公告)号：CN110119778B
公开(公告)日：2024-01-05
申请号：CN201910388452.4
申请日：2019-05-10
Applicant: 辽宁大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/006
Abstract: 本发明涉及一种改进鸡群优化RBF神经网络的设备健康状态检测方法，基本步骤如下：(1)信号采样；(2)降噪处理；(3)特征提取；(4)数据归一化处理；(5)设备健康状态检测。本发明提出了一种改进鸡群优化RBF神经网络模型，使用智能寻优方法找到最优的中心向量，从而提高RBF网络的性能。针对鸡群算法在一定程度上易陷入局部最优的问题，采用改进鸡群结合混沌搜索策略优化初始种群，同时对使用度值高的小鸡通过成长操作来代替一部分公鸡粒子，从而尽可能解决陷入局部最优的问题。
-
公开(公告)号：CN111738346A
公开(公告)日：2020-10-02
申请号：CN202010597430.1
申请日：2020-06-28
Applicant: 辽宁大学
Abstract: 一种生成式对抗网络估值的不完整数据聚类方法，步骤如下：(1)确定最近邻样本；(2)生成式对抗网络估值填补缺失数据，区间化填补数据；(3)提出生成对抗网络估值的区间数据模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医学数据集成年人肝病Bpua和医疗数据集乳腺癌症Breast，在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的聚类准确率。
-
公开(公告)号：CN110119778A
公开(公告)日：2019-08-13
申请号：CN201910388452.4
申请日：2019-05-10
Applicant: 辽宁大学
Abstract: 本发明涉及一种改进鸡群优化RBF神经网络的设备健康状态检测方法，基本步骤如下：(1)信号采样；(2)降噪处理；(3)特征提取；(4)数据归一化处理；(5)设备健康状态检测。本发明提出了一种改进鸡群优化RBF神经网络模型，使用智能寻优方法找到最优的中心向量，从而提高RBF网络的性能。针对鸡群算法在一定程度上易陷入局部最优的问题，采用改进鸡群结合混沌搜索策略优化初始种群，同时对使用度值高的小鸡通过成长操作来代替一部分公鸡粒子，从而尽可能解决陷入局部最优的问题。
-
公开(公告)号：CN110110447B
公开(公告)日：2023-04-18
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
IPC: G06F30/27 , G06N3/006 , G06N3/0499 , G06N3/08
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
公开(公告)号：CN110110447A
公开(公告)日：2019-08-09
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
