-
公开(公告)号：CN119418147A
公开(公告)日：2025-02-11
申请号：CN202411434797.6
申请日：2024-10-15
IPC: G06V10/774 , G06N3/0499 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种可持续采样图像的方法，包括：设置扩散模型，并扩展全连接专家模块；多次对扩散模型进行训练，在训练过程中设置常规蒸馏和半过程噪声蒸馏，所述半过程蒸馏用于学习之前所有任务的记忆信息；由训练后的扩散模型输出无遗忘性的高质量图像。本发明公开的可持续采样图像的方法，有效解决了灾难性遗忘问题，不仅保留了学习分布的完整性，而且显著减少了训练时间。
-
公开(公告)号：CN115938585A
公开(公告)日：2023-04-07
申请号：CN202211646386.4
申请日：2022-12-21
Applicant: 华北电力大学
IPC: G16H50/30 , G16H50/50 , G16H50/70 , G06N3/0455 , G06N3/0499 , G06N3/047 , G06N3/082
Abstract: 本发明公开了属于计算机深度学习应用于生存分析领域的一种基于深度学习的Cox模型预测疾病预后生存率方法；该方法是将Cox模型与Transformer相结合预测疾病预后生存率，采用包括数据输入模块、数据预处理模块、预测模型构建模块、模型训练模块、模型测试模块、预测结果展示模块的Cox模型，并应用机器深度学习方法进行预测；预测模型直接对生存概率建模，对潜在的随机生存分布不做任何假设；可以拟合时间依赖效应，不依赖比例风险假设；本发明能提高预后风险预测的能力，具有神经网络连续建模事件时间的灵活性。降低预测成本。同时，Transformer的注意力机制增加预测结果的可解释性和显示特征之间的相关性。
-
公开(公告)号：CN108827295A
公开(公告)日：2018-11-16
申请号：CN201810799970.0
申请日：2018-07-19
Applicant: 华北电力大学
IPC: G01C21/16
Abstract: 本发明公开了属于无人机自动定位技术领域的一种基于无线传感器网络和惯性导航的微型无人机自定位方法，该方法包括：首先在微型无人机上安装无线传感器节点模块，将无人机内嵌的捷联惯性导航系统所得信息作为无人机基础位置，并应用无线传感器网络三维空间定位算法进一步确定无人机的精确位置。在微型无人机常规运行状态下，通过传感器网络节点定位算法实时修正捷联惯性导航算法的定位结果，减少误差累积，从而实现微型无人机的精准自定位。定位精度最高可达厘米甚至毫米级别；每秒钟可刷新数据数次，系统内核处理时间可达μs级别；确保精确度和实时性；此外，无线传感器网络成本低，可以大规模铺设和广泛应用，保障了本发明的经济性和可扩展性。
-
公开(公告)号：CN104077632A
公开(公告)日：2014-10-01
申请号：CN201410283817.4
申请日：2014-06-23
Applicant: 华北电力大学
Abstract: 本发明公开了属于电力系统预测与控制技术领域的一种基于深度神经网络的风场功率预测方法。首先，获取实测风速、风向、气温、湿度及大气压强数据，采用投影寻踪进行主成分的提取，投影寻踪采用中位绝对偏差作为投影指标，能够有效排除与数据结构和特征无关的或关系很小的离群点的干扰，提取主成分比较稳定。采用深度神经网络模型，建立了风速、风向、湿度、温度和气压这五种影响因素与风场输出功率之间的预测模型。对风场功率进行预测，得到预测功率。本发明提高了风电场未来72小时预测功率的精度，为电网合理调度提供了依据，减轻了并网压力。
-
公开(公告)号：CN102223414B
公开(公告)日：2013-10-16
申请号：CN201110167997.6
申请日：2011-06-21
Applicant: 华北电力大学
Abstract: 本发明公开了计算机网络技术领域中的一种实现网络资源命名与定位的方法。该方法包括如下步骤，采用网络本体语言OWL对网络资源进行统一命名；建立分布式网络拓扑结构；网络资源提供者注册网络资源；网络资源请求者定位请求的网络资源。本发明融合了语义网、分布式和Agent三种技术，实现了资源定位方法的平台无关性、可扩展性、互操作性和广泛性，保证可信与可靠基础上的各种资源类型的统一命名与定位。
-
Patent Agency Ranking
公开(公告)号：CN109188019B
公开(公告)日：2021-02-05
申请号：CN201811305927.0
申请日：2018-11-05
Applicant: 华北电力大学
Abstract: 本发明提出了一种基于多重信号分类算法的三维风速风向测量方法，将超声波传感器按照一定的方式排列，并将三维空间中风的速度、俯仰角和方位角的信息建立适当的数学关系，计算各个传感器接收到信息时的时延信息，利用多重信号分类算法将传感器阵列所接收到信息数据的协方差矩阵进行子空间分类，并通过计算谱函数及搜索谱峰值，得到关于风的速度大小、方位角和俯仰角的信息，从而准确测量出三维空间内的风。本发明不依赖实际信号到达各传感器在顺风和逆风情况下的时间差，而是利用风矢量与各传感器之间的数学关系来计算发射信号到达各接收传感器的时延。该方法实现简单，无需进行计时，受人为和环境因素较少。
-
公开(公告)号：CN111241748A
公开(公告)日：2020-06-05
申请号：CN202010031487.5
申请日：2020-01-13
Applicant: 华北电力大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G06F113/06 , G06F119/14
Abstract: 本发明涉及一种基于长短期记忆模型循环神经网络的风力发电机故障诊断方法，包括如下步骤：步骤1：对风机基准系统进行建模，将风机基准系统细分为八种故障，设置故障类型及发生时间。步骤2：对风机基准模型进行仿真，得到实际测量值。步骤3：对步骤2得到的实际测量值进行数据预处理，构造实际测量值的数据样本集。步骤4：搭建LSTM模型，将步骤3中经过预处理的数据用LSTM模型进行训练，在训练过程中不断调整参数，并使用均分误差来评价训练效果，预测得到的值与步骤2得到的传感器的实际测量值进行比较，设置阈值进行判断故障发生的时间以及位置。
-
公开(公告)号：CN109188019A
公开(公告)日：2019-01-11
申请号：CN201811305927.0
申请日：2018-11-05
Applicant: 华北电力大学
CPC classification number: G01P5/245 , G01P13/045
Abstract: 本发明提出了一种基于多重信号分类算法的三维风速风向测量方法，将超声波传感器按照一定的方式排列，并将三维空间中风的速度、俯仰角和方位角的信息建立适当的数学关系，计算各个传感器接收到信息时的时延信息，利用多重信号分类算法将传感器阵列所接收到信息数据的协方差矩阵进行子空间分类，并通过计算谱函数及搜索谱峰值，得到关于风的速度大小、方位角和俯仰角的信息，从而准确测量出三维空间内的风。本发明不依赖实际信号到达各传感器在顺风和逆风情况下的时间差，而是利用风矢量与各传感器之间的数学关系来计算发射信号到达各接收传感器的时延。该方法实现简单，无需进行计时，受人为和环境因素较少。
-
公开(公告)号：CN108922628A
公开(公告)日：2018-11-30
申请号：CN201810367585.9
申请日：2018-04-23
Applicant: 华北电力大学
Abstract: 本发明公开了属于肿瘤死亡率风险回归模型算法技术领域的一种基于动态Cox模型的乳腺癌预后生存率预测方法。该方法是首先利用对数几率回归模型估计患者的阳性淋巴结比率LNR水平，之后，将该比率与其他特征相结合，拟合基于贝叶斯方法动态估计模型参数的Cox回归模型，预测患者的存活率-时间特性曲线，本发明的仿真结果表明，该组合模型的对数伪边际似然LPML两项指标的基于贝叶斯方法动态估计模型参数的Cox回归模型，优于仅使用LNR指标特征的传统Cox比例风险模型，动态估计参数的Cox回归模型可进一步提升生存分析模型的预测精度，且计算复杂度在可接受的范围内，相对更为准确地预测效果。
-
公开(公告)号：CN104462778A
公开(公告)日：2015-03-25
申请号：CN201410645121.1
申请日：2014-11-06
Applicant: 华北电力大学
IPC: G06F19/00
Abstract: 本发明公开了属于计算机视觉和图像处理技术领域的一种基于深度学习的PM2.5污染物测量方法。该方法是首先利用已有的图像及其标注的PM2.5污染物的指标值，将全部N个样本I进行预处理，包括进行零均值处理和样本扩增；利用的深度学习网络将处理后的第i个样本Ii输入到网络中，训练用于测量PM2.5污染物的深度学习网络，然后将训练好的深度学习网络应用到需要测试的图像上，在输出层即可得到PM2.5污染物的预测指标值。本发明随着深度学习技术的发展，使卷积神经网络在计算机视觉领域的成功运用，使得通过图像对PM2.5污染物的测量得以实现。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.024 seconds)
