“G06N3/00”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果1567个，建议您升级VIP下载更多相关专利

[发明专利]一种切割方法和电子设备-CN202210820910.9有效
发明人：王吉利;胡娅;林莹;卢兴见;江宇辉 -专利权人：上海中浦电磁科技有限公司;华东师范大学
申请日： 2022-07-13 - 公布日： 2023-05-30 - 主分类号： G06N3/00 文献下载
摘要：本申请涉及一种切割方法和电子设备，应用于计算机技术领域，方法包括：当接收到切割指令后，获取母卷材料信息、项目需求信息、最短米数和需求间最小长度差；根据所有主需求的需求宽度，为母卷分配满足宽度利用率要求的第一目标需求组合，并基于第一目标需求组合进行配刀，同时更新母卷材料信息和项目需求信息；基于主需求的需求米数之间的长度倍数关系，以得到第二目标需求组合，并确定与第二目标需求组合相应的母卷，并进行配刀，同时更新母卷材料信息和项目需求信息；基于剩余的母卷材料信息分配剩余主需求并进行配刀。本申请提供的切割方法能够降低人力和物力成本。
一种切割方法电子设备

[发明专利]一种基于MOMBI面向智慧城市应用多目标计算迁移方法和装置-CN202110535628.1有效
发明人：彭凯;刘培琛 -专利权人：华侨大学
申请日： 2021-05-17 - 公布日： 2023-05-30 - 主分类号： G06N3/006 文献下载
摘要：本发明涉及一种基于MOMBI面向智慧城市应用多目标计算迁移方法，基于R2指标的MOMBI算法，联合移动设备的时延、能耗以及边缘服务器计算资源和集群负载均衡，通过迭代不断更新种群参考点位置，使用R2指标对种群中的个体进行分层，并通过锦标赛选择方法保留种群中的精英个体，最终得到多目标优化后的迁移策略；根据当前的能耗、时延以及边缘服务器的资源利用率和负载均衡方差，在每一次迁移策略确定后进行新一轮的计算更新，并使用SAW和MCDM选择最优的迁移策略，针对边缘赋能的智慧城市中四目标进行优化。通过本发明的方法，针对智慧城市中移动设备产生的应用进行计算迁移，为用户提供质量较高的服务，且可提升服务器资源利用率，同时保证服务器集群负载平衡。
一种基于 mombi 面向智慧城市应用多目标计算迁移方法装置

[发明专利]一种提高定向人工蜂群算法收敛速度和精度的方法-CN202310034876.7在审
发明人：冯炫;贾姗姗;马文博;严宁;潘冬 -专利权人：陕西智引科技有限公司;陕西建材科技集团股份有限公司
申请日： 2023-01-10 - 公布日： 2023-05-26 - 主分类号： G06N3/006 文献下载
摘要：本发明属于计算机应用技术领域，尤其涉及一种提高定向人工蜂群算法收敛速度和精度的方法。与现有技术相比，本发明的优点和积极效果在于，本发明提供一种提高定向人工蜂群算法收敛速度和精度的方法，通过对现有的雇佣蜂阶段、跟随蜂阶段以及探索蜂阶段进行改进，对蜜源进行交叉操作并引导迭代探索方向，使人工蜂群算法收的收敛速度以及精度得到明显提高，进而解决了现有收敛速度慢、精度差的问题。
一种提高定向人工蜂群算法收敛速度精度方法

[发明专利]一种基于滤波器微调的迁移学习方法以及相关装置-CN202211580009.5在审
发明人：冯夫健;谭棉;王林;冯乐;曾涛涛;李志玲;夏大文 -专利权人：贵州民族大学
申请日： 2022-12-09 - 公布日： 2023-05-26 - 主分类号： G06N3/006 文献下载
摘要：本申请公开了一种基于滤波器微调的迁移学习方法以及相关装置，用于提升迁移至目标任务的模型的精度。本申请方法包括：获取C层预训练模型和目标数据集；根据预训练模型的网络层数将目标滤波器微调策略的求解任务分解为C个子任务；根据预训练模型的层顺序依次对单一层对应的子任务进行求解直至求解出最后一层对应的子任务，得到不同层对应的子微调策略，且在对后一层对应的子任务进行求解时须结合已求解出的所有前层对应的子微调策略进行求解；确定所有不同层对应的子微调策略的集合为目标滤波器微调策略；根据目标滤波器微调策略对预训练模型在目标数据集上进行第一预设次数的epoch训练；确定训练完成后的预训练模型为目标任务模型。
一种基于滤波器微调迁移学习方法以及相关装置

[发明专利]一种通过离散时间量子游走的多域网络社区检测方法-CN202110999221.4有效
发明人：刘小洋;张梦瑶;丁楠 -专利权人：重庆理工大学
申请日： 2021-08-28 - 公布日： 2023-05-26 - 主分类号： G06N3/006 文献下载
摘要：本发明提出了一种通过离散时间量子游走的多域网络社区检测方法，其特征在于，包括以下步骤：S1，将网络节点看作游走粒子，并编码粒子同时构造粒子游走空间；S2，根据编码的粒子状态设计硬币态的量子置换电路；S3，根据不同的硬币状态，移位算子对粒子执行若干步的量子游走；量子游走包括叠加态的过程或/和叠加态后的概率值；S4，根据对量子态的测量结果选择对应的更新规则来移动节点，随着不断更新迭代，节点在空间中自动地优化社区结构；S5，输出最终结果。本发明能够快速、高效地检测多域网络中的社区。
一种通过离散时间量子游走网络社区检测方法

[发明专利]一种智能学习内容推送方法及系统-CN201911362530.X有效
发明人：裴正奇;段必超;朱斌斌;黄梓忱 -专利权人：深圳前海黑顿科技有限公司
申请日： 2019-12-26 - 公布日： 2023-05-26 - 主分类号： G06N3/008 文献下载
摘要：本发明提出一种智能学习内容推送方法和系统，引入了机器学习的先进算法，将单词特征，用户特征，外部特征，以及记忆特征等变量进行训练，得出一套机器学习模型，实时更新用户的学习推送方案。对每个人因材施教，实时动态推送最适合该用户的个性化定制记单词方案以及规划。
一种智能学习内容推送方法系统

[发明专利]一种基于改进粒子群优化算法的变压器故障诊断方法-CN202211541776.5在审
发明人：吕璐;崔庆伟;吕应刚;傅祥廉;孙鑫磊 -专利权人：中海油能源发展装备技术有限公司
申请日： 2022-12-02 - 公布日： 2023-05-23 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于改进粒子群优化算法的变压器故障诊断方法，包括：获取变压器的油气色谱含量和故障类型，作为样本数据；利用所述样本数据对预先构建的GRNN网络进行训练；利用改进后的粒子群算法对训练后的GRNN网络的参数进行优化，得到最终的故障诊断模型；利用最终的故障诊断模型对变压器的实时数据进行诊断，判断变压器是否存在故障，并输出故障类型。本发明训练收敛速度快，且能够对变压器的综合性故障进行准确诊断。
一种基于改进粒子优化算法变压器故障诊断方法

[发明专利]传感器网络中可充电移动小车路径规划方法及装置-CN202110245364.6有效
发明人：姚宏玮;张顺淼;高圣博;林亚彪 -专利权人：福建工程学院
申请日： 2021-03-05 - 公布日： 2023-05-23 - 主分类号： G06N3/006 文献下载
摘要：本发明实施例提供一种传感器网络中可充电移动小车路径规划方法及装置，所述方法包括：获取传感器网络中的周期性充电特性与传感器节点的数据请求，根据周期性充电特性和数据请求构建移动小车的路径规划模型；根据周期性充电特性和数据请求获取对应的时间总和，并计算移动小车剩余能量的标准差，将时间总和和标准差的最小化划为优化目标；构建初始种群，结合优化目标，对种群迭代更新，并通过Pareto支配关系，在迭代更新过程中选出非支配解集存入外部档案；检测迭代更新的次数，当迭代更新的次数达到预设次数后，输出外部档案作为路径规划模型的输出结果。采用本方法能够保证传感器网络的寿命，并且进行合理的路线规划，也能减少移动小车调度的成本。
传感器网络充电移动小车路径规划方法装置

[发明专利]处理单元设置有输入复用器的人工智能模块和系统芯片-CN201910104131.7有效
发明人：连荣椿;王海力;马明 -专利权人：京微齐力(北京)科技有限公司
申请日： 2019-02-01 - 公布日： 2023-05-23 - 主分类号： G06N3/008 文献下载
摘要：一种处理单元设置有输入复用器的人工智能AI模块及系统芯片。在实施例中，所述AI模块包括：按第一维度和第二维度排列成二维阵列的多个处理单元，各处理单元能够完成逻辑和/或乘加运算；其中，处理单元包括使能输入端，用于接收使能信号，并且根据使能信号暂停或启动处理单元的操作；处理单元还包括至少一个输入复用器；所述输入复用器用于接收第一维度和/或第二维度上不同方向的输入数据，并且从其中选择一个数据供处理单元进行处理；二维阵列中的各处理单元共用同一个时钟信号进行运算；第一维度和第二维度彼此垂直。本发明实施例的AI模块及其系统芯片，提供了更为多样化的AI模块结构，使得执行更复杂的运算成为可能。
处理单元设置输入复用器人工智能模块系统芯片

[发明专利]一种地铁列车运行操纵多目标优化方法及系统-CN202010072449.4有效
发明人：王兴成;王龙达;鲁森魁;李雅男 -专利权人：大连海事大学
申请日： 2020-01-21 - 公布日： 2023-05-23 - 主分类号： G06N3/006 文献下载
摘要：本发明提供了一种地铁列车运行操纵多目标优化方法及系统。为解决列车运行过程需要同时满足节能、准时、舒适等多个性能指标的优化问题，本发明以列车能量消耗、舒适度、准时性为优化目标，建立列车运行操纵多目标优化模型；引入遗传进化机制的粒子群改进优化算法，采用多目标夹角余弦作为解优劣的评价标准，同时，将融合距离作为判断粒子群聚集于极值粒子的判定条件，以获得最优地铁列车运行过程综合性能指标。依据上述优化方法设计了相应的优化系统，并在两种不同的地铁列车自动驾驶场景下进行了仿真试验。试验结果表明，在地铁列车及其运行线路被指定且计划运行时间相同的情况下，本发明的技术方案具有更佳的寻优性能、因而能够得到更好的寻优结果。
一种地铁列车运行操纵多目标优化方法系统

[发明专利]基于支持向量机回归模型的测试生成与重用系统及方法-CN201910606331.2有效
发明人：钱忠胜;宋涛 -专利权人：江西财经大学
申请日： 2019-07-05 - 公布日： 2023-05-23 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于支持向量机回归模型的测试生成与重用系统及方法，包括：基于支持向量机回归模型的测试用例生成单元包括支持向量机回归模块和遗传算法模块，支持向量机回归模块是用于训练模拟计算适应度大小的模型，遗传算法模块用于引用所述支持向量机回归模块训练的模型生成测试用例；融入支持向量机回归模型的测试用例重用单元包括测试用例重用模块，在利用遗传算法测试程序时，通过进化中的种群个体及插桩法计算的适应度值作为样本来训练支持向量机回归模型，运用支持向量机回归模型在程序的测试用例集中查询适应度较高的测试数据，并将测试数据引用到新种群迭代的过程中，对每个被选中的个体以一定的概率与随机选择的引用个体进行交叉操作。
基于支持向量回归模型测试生成重用系统方法

[发明专利]一种基于数据驱动进化算法的风电机组最优布局方法-CN202010111340.7有效
发明人：龙寰;李培坤;顾伟 -专利权人：东南大学
申请日： 2020-02-24 - 公布日： 2023-05-16 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于数据驱动进化算法的风电机组最优布局方法，属于发电、变电或配电的技术领域。本发明以最大化风电场输出功率为目标函数，以风力机之间安全距离，风电场区域限制为约束条件，建立风电场机组布局优化的约束目标优化模型；基于一种改进的参数自适应的差分进化算法求解风电机组布局优化模型，采用机器学习模型广义回归神经网络作为优化目标函数的代理模型，采用数据驱动方法提升进化算法迭代效率。本发明优化效率高，对于复杂的布局优化模型效果显著。
一种基于数据驱动进化算法机组最优布局方法

[发明专利]随机森林模型的训练方法、恶意网站检测方法及装置-CN202310383191.3在审
发明人：杨星;沈传宝;纪守领;吴志勇;张旭鸿;吴庆;刘沛宇;梁振宇;许颢砾;刘加瑞;王闰婷 -专利权人：北京华云安信息技术有限公司
申请日： 2023-04-12 - 公布日： 2023-05-12 - 主分类号： G06N3/006 文献下载
摘要：本公开的实施例提供了一种随机森林模型的训练方法、恶意网站检测方法及装置，涉及数据处理领域。所述方法包括：获取恶意网站数据集中样本的网站特征参数；对各样本网站特征参数的内容进行归一化处理并进行特征拼接；根据归一化处理及特征拼接后的网站特征参数以及样本对应的标签，生成训练集；利用所述训练集对随机森林模型进行训练。以此方式，可以实现从多个维度上对恶意网站进行分析预测，并通过随机森林模型实现针对恶意网站的准确预测和分类。
随机森林模型训练方法恶意网站检测装置

[发明专利]一种数据处理方法及电子设备-CN201910817316.2有效
发明人：李梅;王奇刚;张婉璐;陈旭 -专利权人：联想（北京）有限公司
申请日： 2019-08-30 - 公布日： 2023-05-12 - 主分类号： G06N3/006 文献下载
摘要：本申请实施例提供了一种数据处理方法及电子设备，所述方法包括：自区块链中至少获得第一模型的第一参数；基于所述第一参数及训练数据训练第一模型；基于训练结果确定所述第一模型的第二参数；基于自检测结果确定所述第二参数下的第一模型满足预设规则；向所述区块链的参与者发送至少包括所述第一参数和第二参数的数据包，并申请投票，所述投票用于确定其他参与者在基于所述第二参数下的所述第一模型满足所述预设规则；基于投票结果确定基于所述第二参数下的第一模型而生成新的区块，或继续训练所述第一模型。本申请实施例的数据处理方法可快速基于区块链而实现模型训练。
一种数据处理方法电子设备

[发明专利]基于异常检测模型的进化多任务优化算法-CN202310166819.4在审
发明人：江巧永;刘鑫佳;林艳艳;马玥琪;苑亚新;段鑫绘 -专利权人：西安理工大学
申请日： 2023-02-24 - 公布日： 2023-05-09 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了基于异常检测模型的进化多任务优化算法，包括：在基于EMTO范式的多种群框架下，分别初始化多个任务种群、ADEOEA的参数，参数包括交叉概率、突变步长的平均值、成功个体对应的集合等；采用ADEOEA进行任务内种群演化，得到子代种群；利用LOF算法选取符合目标任务偏好的转移解；合并父代和子代种群以及LOF产生的转移解，根据其适应度评估值选取成功个体；将优于父代个体的成功个体的交叉概率、突变步长存档至集合，并对其均值进行更新，再利用更新后的均值计算下一代的交叉概率、突变步长；判断适应度评估次数是否小于最大函数评价次数，若满足，则输出父代种群的最优解及最优值，否则返回进入下一代种群演化。
基于异常检测模型进化任务优化算法