“晋鑫鹏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]基于多机交互网络模型的航空器四维航迹预测方法-CN202310924125.2在审
发明人：贾培艳;张德龙;李昱辰;张磊;韩道军;陈会平;陈琛;晋鑫鹏 -专利权人：河南大学
申请日： 2023-07-25 - 公布日： 2023-10-13 - 主分类号： G08G5/00 文献下载
摘要：本发明提供一种基于多机交互网络模型的航空器四维航迹预测方法。该方法包括：步骤1：收集同一个空域内的多个航空器的历史航迹数据并处理以作为训练数据；步骤2：构建多机交互网络模型，利用训练数据对所述多机交互网络模型进行训练；步骤3：将待预测空域内的多个航空器的历史航迹数据输入至训练好的多机交互网络模型，预测得到多个航空器的未来航迹点，包括位置、速度、高度和时间信息。本发明考虑了飞行过程中的航空器自身的运行特性和不同航空器之间的交互作用，还建立了不同类型航空器的影响因素注意力权重进制，基于提取的多维度特征，对构建的多机交互网络模型进行训练，使得训练好的航迹预测器提高了飞行轨迹预测准确性。
基于交互网络模型航空器航迹预测方法

[发明专利]基于数据隐私保护的联邦深度学习风力发电预测方法-CN202310827033.2在审
发明人：张磊;朱绍明;展桂荣;左宪禹;谢毅;赵一鸣;晋鑫鹏;李郭宇;史建宇 -专利权人：河南大学
申请日： 2023-07-06 - 公布日： 2023-09-29 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及风电功率预测技术领域，具体涉及基于数据隐私保护的联邦深度学习风力发电预测方法，该方法包括：获取预设数量个不同风电场的风电功率数据集，对风电功率数据集进行预处理，将预处理后的风电功率数据集划分为训练数据集和测试数据集；建立Fed‑BILSTM联邦深度学习模型；根据训练数据集，对建立的Fed‑BILSTM联邦深度学习模型进行训练，得到训练后的Fed‑BILSTM联邦深度学习模型；根据测试数据集，对训练后的Fed‑BILSTM联邦深度学习模型进行验证；通过训练后的Fed‑BILSTM联邦深度学习模型，进行风电功率预测。本发明可以提高数据的安全性和预测的准确度。
基于数据隐私保护联邦深度学习风力发电预测方法