-
公开(公告)号：CN117633211A
公开(公告)日：2024-03-01
申请号：CN202311583866.5
申请日：2023-11-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于自适应数据摘要的序列匹配方法，它属于时间序列数据匹配技术领域。本发明解决了采用现有方法计算出的摘要有效性差以及难以应用于序列匹配的问题。本发明方法为：步骤一、读取时间序列数据集，初始化分段方案和根节点；步骤二、将时间序列插入到叶子节点；步骤三、根据初始分段方案和插入叶子节点的时间序列数据生成新的分段方案；步骤四、根据新方案的分段结果生成叶子节点对应的时间序列的摘要并离散化；步骤五、判断是否存在插入时间序列数量超过阈值的叶子节点，若存在，则执行步骤六、若不存在，则执行步骤七；步骤六、对叶子节点进行分裂；步骤七、从索引二叉树根节点进行递归搜索，完成序列匹配。本发明可以应用于时间序列匹配。
-
公开(公告)号：CN117609694A
公开(公告)日：2024-02-27
申请号：CN202311583857.6
申请日：2023-11-24
Applicant: 哈尔滨工业大学 , 中国电力科学研究院有限公司 , 国网上海市电力公司
IPC: G06F18/10 , H02J3/00 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F17/11
Abstract: 基于深度卷积网络的电网运行方式灵敏度分析方法，解决了采用蒙特卡洛方法进行电网在电网系统数据中筛选出多组一维的电网运行方式特征数据，每组进行填充并随机打乱，计算每两组特征数据的组间相关性，再组合并补全缺失部分，得到二维的电网运行方式特征数据，组间相关性高的组位于相邻位置；构建神经网络结构，将二维的电网运行方式特征数据作为神经网络结构的输入，输出为断面可用输电能力；利用训练集对神经网络结构进行训练，根据训练完成的神经网络结构的权重计算神经网络结构中各层输入特征对输出的灵敏度值，进而得到神经网络结构的输入对输出的灵敏度值。
-
公开(公告)号：CN117349772A
公开(公告)日：2024-01-05
申请号：CN202311319647.6
申请日：2023-10-12
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0495 , G06N3/084 , G06F17/16
Abstract: 基于稀疏神经网络的引风机运行异常检测方法，解决了如何利用有限标签的引风机异常运行数据实现异常检测的问题，属于引风机运行状态检测领域。本发明包括：获取引风机有标签的异常运行数据集；建立异常检测模型，采用有标签的异常运行数据集对异常检测模型进行训练，确定初始权重；将无标签的引风机运行数据输入至异常检测模型中，异常检测模型输出数据的异常特征参数矩阵和各个数据的异常分数，根据异常分数挑选出模糊数据，并对异常特征参数矩阵中的参数进行排序，根据靠前的异常特征参数对模糊数据进行人工标注，并计算损失，更新权重；完成训练后可对引风机的实时运行数据进行异常检测。本发明减少对应的人工标注成本，获得较好的检测性能。
-
公开(公告)号：CN117196057A
公开(公告)日：2023-12-08
申请号：CN202210583164.6
申请日：2022-05-26
IPC: G06N20/00 , G06F18/23213
Abstract: 本申请实施例公开了一种模型训练方法，用于基于权重对模型进行训练。在本申请中，通过使用P个任务训练集依次对模型M进行训练，得到M’以及P个梯度信息，P为大于等于2的整数，然后复制所述M’，得到p个复制模型，p为小于等于P的正整数，并根据所述P个梯度信息确定所述P个任务训练集中各个任务训练集在所述p个复制模型中各个复制模型的权重，得到权重信息，最后使用所述P个任务训练集及基于所述权重信息分别训练所述M’的p个复制模型，得到训练后的p个模型，充分考虑不同任务之间联系与差异，降低了不同任务之间的干扰。
-
公开(公告)号：CN117009419A
公开(公告)日：2023-11-07
申请号：CN202311066879.5
申请日：2023-08-23
Applicant: 哈尔滨工业大学
IPC: G06F16/2458
Abstract: 本申请具体涉及一种基于DTW距离的时序数据全长度频繁模式挖掘方法、设备及存储介质，涉及数据挖掘技术领域。本发明的目的是解决现有基于动态时间规整的算法中存在难以同时满足不同长度的频繁模式的算法挖掘过程中的有效和高效的要求的问题，提供了一种时序数据全长度频繁模式挖掘方法、设备及存储介质，可以对室外温度的时序数据计算不同长度的频繁模式，通过重新利用之前获得的下界结果，可以极大的减少计算成本与时间，并在程序结束后传递回精确解，极大的提高发掘全长度频繁模式的效率，当算法运行完成后，就可以获取所有长度的最优频繁模式；解决了同时满足不同长度的频繁模式的算法挖掘过程中的有效性和高效性要求的问题。
-
Patent Agency Ranking
公开(公告)号：CN116841973A
公开(公告)日：2023-10-03
申请号：CN202310830705.5
申请日：2023-07-07
Applicant: 哈尔滨工业大学
IPC: G06F16/174 , G06F16/17 , G06F16/18 , G06F11/30 , G06F11/34
Abstract: 面向嵌入式数据库的数据智能化压缩方法及系统，涉及数据压缩技术领域，针对现有技术中嵌入式数据库无法适配不同环境，导致压缩速度慢的问题，本申请能对不同场景和系统状况进行分类和识别，并在这之后自动选择需要的压缩算法，并在需要时自动解压缩，可以适应多种使用环境，提高了嵌入式数据库针对不同环境下的压缩速度，并能后智能化判断压缩时机，如物联网设备、手机、个人电脑等设备环境，并根据这些环境下的资源数量进行适配调整，以实现嵌入式数据库的智能化压缩和解压缩，最终达到节约存储资源空间、提高资源利用率、加快网络传输速度的目的。
-
公开(公告)号：CN116647367A
公开(公告)日：2023-08-25
申请号：CN202310427711.6
申请日：2023-04-20
Applicant: 哈尔滨工业大学
IPC: H04L9/40 , G06F16/901 , G06F16/903 , G06Q40/00
Abstract: 本申请提供一种基于知识图谱模型的异常节点识别方法及系统，所述方法通过获取目标节点的关键字段，在区块链平台中识别目标节点的上级节点以及下级节点，并根据目标节点、上级节点和下级节点生成交易网络图，然后通过知识图谱模型生成交易网络图的判定值，如果知识图谱网络输出的判定值大于判定阈值，则将目标节点标记为异常节点。所述方法以区块链平台中的异常节点的节点数据建立知识图谱模型，并通过该模型对以目标节点及其上下级节点所生成的交易网络图执行判定，以确定目标节点的交易行为是否与异常节点相似，提高对区块链平台中的异常节点的识别效率，提高识别节点异常行为的准确性。
-
公开(公告)号：CN114328669B
公开(公告)日：2023-05-16
申请号：CN202111662250.8
申请日：2021-12-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: G06F16/2458 , G06F16/22 , G06F16/25 , G06N3/045 , G06N3/08
Abstract: 基于深度学习的自动化时序数据库索引推荐方法、存储介质及设备，属于数据库技术领域。为了目前针对时序数据库还没有有效可行的自动化索引推荐方法的问题。本发明所述方法通过强化学习模型进行时序数据库的索引推荐，强化学习模型的代理负责决策的过程；代理与数据库的环境模型进行交互，环境模型计算代理因其决策而获得的状态转换和代价；DBMS接口负责执行数据库的创建、升级或删除动作并获取当前的索引配置的统计信息。本发明主要用于时序数据库的索引推荐。
-
公开(公告)号：CN111210023B
公开(公告)日：2023-04-11
申请号：CN202010031991.5
申请日：2020-01-13
Applicant: 哈尔滨工业大学
IPC: G06N20/00
Abstract: 一种数据集分类学习算法自动选择系统及方法，属于机器学习技术领域。本发明针对现有数据处理中涉及到的学习算法的选择方式不具有通用性，若逐个进行尝试则计算量过大的问题。系统包括训练特征选择模块：选择各分类问题数据集，对每个分类问题数据集进行处理，获得相应的分类元知识；抉择器模块：从分类元知识中选择有效特征作为元特征，形成抉择器训练集，对元知识训练抉择器进行训练；算法选择模块：对待处理数据集进行处理，获得待处理元特征；再采用元知识训练抉择器进行分析，获得待处理数据集的最优学习算法；知识库模块，获得包括不同分类问题数据集与其对应学习算法一一对应关系的算法选择训练集。本发明可为数据集预测最优的学习算法。
-
公开(公告)号：CN115374911A
公开(公告)日：2022-11-22
申请号：CN202211029629.X
申请日：2022-08-25
Applicant: 哈尔滨工业大学
Abstract: 一种多指标神经网络架构自动搜索方法及系统，具体涉及一种多指标的最佳神经网络架构的自动搜索方法及系统，本发明为了解决卷积神经网络的NAS技术为单指标NAS技术，无法满足多指标的神经网络架构自动搜索的问题，方法为：先根据组件堆叠方法获取神经网络的搜索空间；将HPO超参数优化方法作为控制器，所述控制器为多指标的超参数优化控制器，在所述搜索空间内利用所述控制器和权重共享结合早停技术搜索得到最优神经网络架构。系统执行所述方法中的任一步骤。属于深度学习技术领域。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.039 seconds)
