一种多任务级联卷积神经网络的人脸检测方法及系统

    公开(公告)号:CN114332989B

    公开(公告)日:2025-04-08

    申请号:CN202111495330.9

    申请日:2021-12-08

    Abstract: 本发明公开了一种多任务级联卷积神经网络的人脸检测方法及系统,将获取的人脸检测数据集分为训练集和测试集,采用多支路的扩张卷积结构对MTCNN网络中的P网络进行改进,利用训练集分别训练O网络、R网络和改进后的P网络的其中一条支路,得到MTCNN网络的最优参数;以此生成训练好的MTCNN网络;对测试集中的图片进行预处理,将预处理后的图片输入到训练好的MTCNN网络中进行人脸检测,输出检测结果,去除了极其耗时的图像金字塔结构,改之以多支路的扩张卷积代替,不再需要大量搬运数据来完成对图像的多次缩放,也不再需要多次重复的将图像输入到P‑net中,减少了无用操作,从而提高人脸检测的效率。

    结合VMD分解和时间卷积网络的短期电力负荷预测方法

    公开(公告)号:CN114358389B

    公开(公告)日:2024-09-27

    申请号:CN202111520535.8

    申请日:2021-12-13

    Abstract: 本发明请求保护一种结合VMD分解和时间卷积网络的短期电力负荷预测方法,首先使用变分模态分解(VMD)对原始负荷数据进行处理,将负荷序列分解得到多个本征模态函数(IMF),以降低神经网络预测模型输入数据的复杂程度。然后,分别计算各个IMF分量的样本熵(SE),将相近样本熵值的分量合并为一个新的序列,以减少所需训练的模型数量,最后利用时间卷积网络(TCN)来拟合各个序列的历史数据和预测数据的非线性关系,并叠加各模型的预测结果得到最后的预测值。本发明相比于其他负荷预测传统方法,具有更高的预测精度。

    一种PSD-BPA至pandapower的电力系统潮流输入数据的转换方法

    公开(公告)号:CN110209635B

    公开(公告)日:2023-03-14

    申请号:CN201910503021.8

    申请日:2019-06-11

    Abstract: 本发明涉及一种PSD‑BPA至pandapower的电力系统潮流输入数据的转换方法,属于电力系统仿真领域。该方法包括以下步骤:S1:读取描述BPA潮流输入数据文件中各种数据卡片格式的配置文件;S2:读取BPA潮流输入数据;S3:把BPA的潮流输入数据转换为pandapower所规定的潮流数据对象,并将其序列化存储到磁盘文件中。本发明通过利用pandapower提供的创建潮流数据的函数,将BPA的潮流输入数据成功转换为pandapower潮流计算所需的数据结构。解决了使用pandapower过程中缺乏实际电网数据的问题,以满足实际工程的需要。

    基于深度学习和PSCAD的电磁暂态仿真模型的敏捷生成方法

    公开(公告)号:CN112784500B

    公开(公告)日:2022-07-01

    申请号:CN202110304189.3

    申请日:2021-03-22

    Abstract: 本发明涉及一种基于深度学习和PSCAD的电磁暂态仿真模型的敏捷生成方法,属于电力系统仿真建模领域,包括以下步骤:S1:采用卷积神经网络与多目标检测算法模型结合的方式建立电力系统识别模型;S2:基于矢量数据分析,构建电力系统拓扑判据;S3:基于训练完成的电力系统识别模型以及拓扑判据,识别电力系统图形文件,进而生成符合仿真软件PSCAD要求的电磁暂态仿真模型文件。本发明方法将深度学习技术应用到电力系统仿真建模中,能基于电力系统图形文件快速建立电磁暂态仿真模型,可提高仿真建模的效率,并降低仿真人员的工作强度。

    结合VMD分解和时间卷积网络的短期电力负荷预测方法

    公开(公告)号:CN114358389A

    公开(公告)日:2022-04-15

    申请号:CN202111520535.8

    申请日:2021-12-13

    Abstract: 本发明请求保护一种结合VMD分解和时间卷积网络的短期电力负荷预测方法,首先使用变分模态分解(VMD)对原始负荷数据进行处理,将负荷序列分解得到多个本征模态函数(IMF),以降低神经网络预测模型输入数据的复杂程度。然后,分别计算各个IMF分量的样本熵(SE),将相近样本熵值的分量合并为一个新的序列,以减少所需训练的模型数量,最后利用时间卷积网络(TCN)来拟合各个序列的历史数据和预测数据的非线性关系,并叠加各模型的预测结果得到最后的预测值。本发明相比于其他负荷预测传统方法,具有更高的预测精度。

    一种基于双卷积CNN和长短时记忆网络的表情识别方法

    公开(公告)号:CN108304823B

    公开(公告)日:2022-03-22

    申请号:CN201810156983.6

    申请日:2018-02-24

    Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先,对得到的表情图片进行去均值、滤波、归一化等预处理;然后,再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征;紧接着,利用全连接层和长短时记忆网络(LSTM)进一步提取其特征,最后,利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征,提取那些不够明显或是容易混淆的表情特征,可有效提升表情识别率。

    基于深度学习和PSCAD的电磁暂态仿真模型的敏捷生成方法

    公开(公告)号:CN112784500A

    公开(公告)日:2021-05-11

    申请号:CN202110304189.3

    申请日:2021-03-22

    Abstract: 本发明涉及一种基于深度学习和PSCAD的电磁暂态仿真模型的敏捷生成方法,属于电力系统仿真建模领域,包括以下步骤:S1:采用卷积神经网络与多目标检测算法模型结合的方式建立电力系统识别模型;S2:基于矢量数据分析,构建电力系统拓扑判据;S3:基于训练完成的电力系统识别模型以及拓扑判据,识别电力系统图形文件,进而生成符合仿真软件PSCAD要求的电磁暂态仿真模型文件。本发明方法将深度学习技术应用到电力系统仿真建模中,能基于电力系统图形文件快速建立电磁暂态仿真模型,可提高仿真建模的效率,并降低仿真人员的工作强度。

    一种基于双卷积CNN和长短时记忆网络的表情识别方法

    公开(公告)号:CN108304823A

    公开(公告)日:2018-07-20

    申请号:CN201810156983.6

    申请日:2018-02-24

    Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先,对得到的表情图片进行去均值、滤波、归一化等预处理;然后,再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征;紧接着,利用全连接层和长短时记忆网络(LSTM)进一步提取其特征,最后,利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征,提取那些不够明显或是容易混淆的表情特征,可有效提升表情识别率。

Patent Agency Ranking