-
公开(公告)号：CN112729675B
公开(公告)日：2022-06-21
申请号：CN202011501615.4
申请日：2020-12-18
Applicant: 重庆大学
IPC: G01L27/00
Abstract: 本发明提供一种基于维纳非线性模型的压力传感器标定装置温度建模方法，步骤如下：以△T为采样间隔，对压力传感器标定装置的空气流量以及标定装置的温度进行采集，得到采样数据；将采样数据中的空气流量作为输入变量，标定装置的温度作为输出变量构建存在噪声数据的压力传感器标定装置温度动态识别维纳模型，使用变分贝叶斯的方法对维纳模型变量的分布和常数变量的值优化；采集新的空气流量，利用优化后维纳模型对标定装置温度进行识别，并根据标定装置温度对空气流量进行调节；本申请使用变分贝叶斯对存在噪声数据的压力传感器标定装置温度动态识别维纳模型参数进行估计优化，考虑到噪声、异常值和参数不确定性等因素，识别效果好。
-
公开(公告)号：CN112729675A
公开(公告)日：2021-04-30
申请号：CN202011501615.4
申请日：2020-12-18
Applicant: 重庆大学
IPC: G01L27/00
Abstract: 本发明提供一种基于维纳非线性模型的压力传感器标定装置温度建模方法，步骤如下：以△T为采样间隔，对压力传感器标定装置的空气流量以及标定装置的温度进行采集，得到采样数据；将采样数据中的空气流量作为输入变量，标定装置的温度作为输出变量构建存在噪声数据的压力传感器标定装置温度动态识别维纳模型，使用变分贝叶斯的方法对维纳模型变量的分布和常数变量的值优化；采集新的空气流量，利用优化后维纳模型对标定装置温度进行识别，并根据标定装置温度对空气流量进行调节；本申请使用变分贝叶斯对存在噪声数据的压力传感器标定装置温度动态识别维纳模型参数进行估计优化，考虑到噪声、异常值和参数不确定性等因素，识别效果好。
-
Patent Agency Ranking
公开(公告)号：CN114360641B
公开(公告)日：2024-09-13
申请号：CN202210035654.2
申请日：2022-01-13
Applicant: 重庆大学
Abstract: 本发明提供一种基于变分贝叶斯的基因调控网络结构辨识方法，根据不完整和有噪声的基因表达时间序列数据中考虑基因调控网络GRN的结构推断，用含有未知噪声信息的随机非线性状态空间模型，描述了基因表达数据中的动态行为，采用变分贝叶斯VB框架来同时估计参数和基因表达水平，通过生成预测值，可以很容易地处理缺失的观测值；考虑到GRN的稀疏性，利用极端梯度增强树对平滑后的基因数据进行建模，并通过树模型中的重要性得分来识别基因间的调控相互作用。该方法能在观测值缺失的情况下，有效地恢复GRN的调控相互作用，并优于现有的GRN识别方法。
-
公开(公告)号：CN116011214A
公开(公告)日：2023-04-25
申请号：CN202211717067.8
申请日：2022-12-29
Applicant: 重庆大学
Abstract: 本申请提供一种基于稀疏变分贝叶斯的复杂装备剩余寿命预测方法，步骤为：采集数据库中复杂装备的健康状态监测变量与装备退化指标数据；将健康状态监测变量作为输入，装备退化指标作为输出，构建存在噪声数据的剩余使用寿命预测线性回归模型；采用变分贝叶斯方法对回归模型进行参数估计，输出模型的权重系数，并对回归模型的权重系数进行稀疏化处理，去除占比小的权重系数及其状态监测变量，得到不同工况下的线性回归模型；采集待预测装备的健康状态监测变量，根据不同工况下的线性回归模型进行剩余使用寿命预测。本发明考虑测量噪声与参数不确定的影响，采用稀疏变分贝叶斯方法选取了更少的健康状态监测变量，实现了更准确的剩余使用寿命预测。
-
公开(公告)号：CN114136538A
公开(公告)日：2022-03-04
申请号：CN202111457681.0
申请日：2021-12-02
Applicant: 重庆大学
Abstract: 一种基于随机变分贝叶斯学习的压力传感器标定装置温度建模方法，考虑了存在过程噪声,测量噪声以及参数不确定情况下的维纳非线性模型的辨识问题。根据随机优化的思想,将模型参数分为全局隐变量和局部隐变量,通过自然梯度下降方法计算全局隐变量对应的全局变分参数,实现对模型信息的更新。针对VBEM方法的局限性，只需要部分局部隐变量的信息即可实现对全局隐变量后验分布的更新,从而实现目标函数的最大化,可以显著降低变分推理的计算量,对于压力传感器温度建模的辨识具有显著的进步。
-
公开(公告)号：CN114136538B
公开(公告)日：2023-09-05
申请号：CN202111457681.0
申请日：2021-12-02
Applicant: 重庆大学
Abstract: 一种基于随机变分贝叶斯学习的压力传感器标定装置温度建模方法，考虑了存在过程噪声,测量噪声以及参数不确定情况下的维纳非线性模型的辨识问题。根据随机优化的思想,将模型参数分为全局隐变量和局部隐变量,通过自然梯度下降方法计算全局隐变量对应的全局变分参数,实现对模型信息的更新。针对VBEM方法的局限性，只需要部分局部隐变量的信息即可实现对全局隐变量后验分布的更新,从而实现目标函数的最大化,可以显著降低变分推理的计算量,对于压力传感器温度建模的辨识具有显著的进步。
-
公开(公告)号：CN114360641A
公开(公告)日：2022-04-15
申请号：CN202210035654.2
申请日：2022-01-13
Applicant: 重庆大学
Abstract: 本发明提供一种基于变分贝叶斯的基因调控网络结构辨识方法，根据不完整和有噪声的基因表达时间序列数据中考虑基因调控网络GRN的结构推断，用含有未知噪声信息的随机非线性状态空间模型，描述了基因表达数据中的动态行为，采用变分贝叶斯VB框架来同时估计参数和基因表达水平，通过生成预测值，可以很容易地处理缺失的观测值；考虑到GRN的稀疏性，利用极端梯度增强树对平滑后的基因数据进行建模，并通过树模型中的重要性得分来识别基因间的调控相互作用。该方法能在观测值缺失的情况下，有效地恢复GRN的调控相互作用，并优于现有的GRN识别方法。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
