“金怀平”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30个，建议您升级VIP下载更多相关专利

[发明专利]基于混合搜索进化优化的工业过程软测量建模方法、系统-CN202310912507.3在审
发明人： 金怀平;刘光坤;陶海波;王彬;杨彪;钱斌 -专利权人：昆明理工大学
申请日： 2023-07-24 - 公布日： 2023-10-03 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于混合搜索进化优化的工业过程软测量建模方法、系统，方法包括：依据收集的工业过程数据，确定辅助变量和预测变量，并建立工业过程数据库；对有标签数据集进行归一化处理，得到归一化有标签数据集；将有标签数据划分为训练集和测试集；建立预测模型；依据训练集中预测变量的样本集，建立伪标记离散区间中值集合，将这些离散取值区间中值进行实数编码；对测试集聚类，并对每个类进行实数编码；确定目标函数；依据预测模型、目标函数，通过离散搜索，获得最优个体；依据最优个体进行局部搜索，获得目标函数值最优的个体，将其作为高置信度伪标记。本发明结合了离散优化和连续优化的优势，能显著提升工业过程软测量建模的预测精度。
基于混合搜索进化优化工业过程测量建模方法系统

[发明专利]基于持续学习的自适应风电功率预测方法、系统-CN202310798067.3在审
发明人： 金怀平;杨婷;金怀康;王彬;刘海鹏 -专利权人：昆明理工大学
申请日： 2023-06-30 - 公布日： 2023-09-29 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于持续学习的自适应风电功率预测方法、系统，方法包括：构造建模数据集；利用建模数据集中的训练集训练特征提取模型并保存所提取的隐特征；利用所提隐特征构建回归预测模型；训练结束，利用建模数据集中的验证集进行验证，获得构建好的完整的SAEMLP模型；更新特征提取模型；更新回归预测模型；新的待测样本不断以数据流形式输入，并获得所有样本的预测目标值。本发明将自适应持续学习更新框架用于超短期的风电功率预测，与非自适应和传统的自适应预测方法相比，所提方法具有更高的预测精度和稳定性，可为电力调度提供有效参考。
基于持续学习自适应电功率预测方法系统

[发明专利]基于对比学习多模态的弱监督胃癌组织病理图像分类方法、系统-CN202310644210.3在审
发明人： 金怀平;陶玉泉;李振辉;陶海波;王彬 -专利权人：昆明理工大学
申请日： 2023-06-01 - 公布日： 2023-09-05 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于对比学习多模态的弱监督胃癌组织病理图像分类方法、系统。本发明至少解决了传统组织病理图片分类方法中的两个难点问题：缺乏细粒度标签和未充分利用临床信息。针对这些问题，本发明首先使用自监督网络SimCLR模型对组织病理图像进行特征提取，该方法能够从无标签的数据中自行学习到有意义的特征，从而有效地提取组织病理图片的特征表示，降低了对细粒度标签的需求，同时减轻了数据标注的负担；其次，通过使用多模态融合方法，将不同放大的组织病理图像特征与临床结构化信息融合在一起，为分类模型提供更丰富的特征以便学习，实现更精确的生存预测，以满足临床辅助诊断的需要。
基于对比学习多模态监督胃癌组织病理图像分类方法系统

[发明专利]基于深度演化模糊规则系统的工业过程软测量方法-CN202310536760.3在审
发明人： 金怀平;高誉;陶海波;王彬;杨彪;钱斌 -专利权人：昆明理工大学
申请日： 2023-05-12 - 公布日： 2023-08-18 - 主分类号： G06N7/02 文献下载
摘要：本发明公开了一种基于深度演化模糊规则系统的工业过程软测量方法，包括收集历史工业过程数据，构造预训练样本集；预训练样本集包括预训练特征集、真实标签集；利用预训练特征集预训练表示学习网络，获得预训练后的表示学习网络；将预训练特征集重新输入到预训练后的表示学习网络，获得初始特征样本集；依据初始特征样本集、真实标签预训练预测学习网络，获得深度演化模糊规则系统；依据预训练后的表示学习网络、深度演化模糊规则系统对待预测样本进行在线预测。本发明通过结合表示学习网络、预测学习网络的优势，取长补短，构建了深度演化模糊规则系统，同时对非线性和时变性过程进行在线预测和建模，大大提升了工业过程软测量建模的预测精度和稳定性。
基于深度演化模糊规则系统工业过程测量方法

[发明专利]基于最大相关最小冗余的堆叠自编码器软测量建模方法-CN202310581046.6在审
发明人： 金怀平;董馨;陶海波;王彬;刘海鹏 -专利权人：昆明理工大学
申请日： 2023-05-23 - 公布日： 2023-08-01 - 主分类号： G06F18/2135 文献下载
摘要：本发明公开了一种基于最大相关最小冗余的堆叠自编码器软测量建模方法，所述方法针对传统深度学习中隐特征与输出之间相关性低、隐特征信息冗余度高等问题，提出一种新的基于最大相关最小冗余的堆叠自编码器软测量建模方法。具体而言，本发明在提取到的隐特征上赋予权重，根据不同权重对输出结果的影响，挑选出对输出影响较大的隐特征赋予更高的权重；对于隐特征之间，采用主成分分析法去除隐特征之间的冗余。该方法在挑选与输出变量相关性较强的输入特征的同时分析剔除冗余信息，从而实现模型结构约简。相较于常规软测量方法，该方法充分考虑了隐特征与输出变量之间的相关性，在模型预测性能上呈现出显著优势。
基于最大相关最小冗余堆叠编码器测量建模方法

[发明专利]一种基于动态多层域自适应的发酵过程软测量建模方法-CN202310338540.X在审
发明人： 金怀平;熊琴;陶海波;王彬;杨彪;钱斌 -专利权人：昆明理工大学
申请日： 2023-03-31 - 公布日： 2023-07-25 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于动态多层域自适应的发酵过程软测量建模方法。本发明针对发酵过程数据普遍存在的实时数据与历史数据的分布不一致和实时数据缺乏标签的问题，将迁移学习策略引入到深度神经网络中，实现了在标记的源域数据上建立软测量模型预测目标域上的发酵过程的基质浓度。首先以受监督的方式训练源域数据上的卷积神经网络模型，并将其参数作为初始化参数提供给目标模型；然后在多层卷积神经网络中分别使用多核最大均值差异与条件嵌入算子差异适配源域和目标域的边缘分布与条件分布，并引入动态自适应因子调整分布权重，以微调目标模型。最后，利用分布适配后的历史数据建立软测量回归模型。本发明能实现发酵过程中发酵罐与发酵罐的知识迁移，有效提高软测量模型的预测精度。
一种基于动态多层自适应发酵过程测量建模方法

[发明专利]融合多尺度特征上下文的全视野数字切片图像分类方法-CN202310453144.1在审
发明人： 金怀平;周泓宇;陶海波;李振辉;王彬 -专利权人：昆明理工大学
申请日： 2023-04-25 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种融合多尺度特征上下文的全视野数字切片图像分类方法。针对全视野数字图像尺寸大、多级分辨率、特征提取困难导致的常规分类方法准确率欠佳等问题，本发明结合对比学习、多尺度特征，自注意力机制从而获得一个效果较好的全视野数字图像分类模型。首先将收集到的全视野数字图像进行不同分辨率下的切分，得到尺寸统一且信息含量低的切片。其次使用对比学习针对不同分辨率下获得的切片分别训练一个具有特征解耦能力的特征提取网络，进行特征提取。进一步融合获得的多尺度特征，并进行特征图重构，作为网络的输入。最后使用带有自注意力机制的网络，获得输入数据的上下文信息，从而提高特征的全局表示能力，使得预测结果更加准确。
融合尺度特征上下文视野数字切片图像分类方法

[发明专利]一种基于特征融合和无监督域自适应的轴承故障诊断方法-CN202310500834.8在审
发明人： 金怀平;刘志泳;陶海波;王彬;杨彪;钱斌 -专利权人：昆明理工大学
申请日： 2023-05-06 - 公布日： 2023-07-21 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了一种基于特征融合和无监督域自适应的轴承故障诊断方法，该方法首先采集不同工况的振动信号，经过切分等预处理步骤，分别得到多个源域和目标域数据集。其次，建立轴承故障诊断模型的多源域自适应神经网络，包括域不变特征提取器、域增强特征提取器、特定域特征提取器、特定域分类器四个子模块。然后，建立轴承故障诊断模型的目标函数，并指定相应的模型训练策略。最后，将目标域数据集输入训练好的轴承故障诊断模型，实现轴承故障诊断。本发明不仅可以提高轴承故障诊断模型在目标域上的故障诊断性能，并具有更高的鲁棒性。
一种基于特征融合监督自适应轴承故障诊断方法

[发明专利]基于代理辅助进化神经网络结构搜索的风电功率预测方法-CN202310397284.1在审
发明人： 金怀平;张克豪;金怀康;王彬;杨彪;钱斌 -专利权人：昆明理工大学
申请日： 2023-04-14 - 公布日： 2023-07-18 - 主分类号： G06F18/2111 文献下载
摘要：本发明公开了一种基于代理辅助进化神经网络结构搜索的风电功率预测方法。本发明针对深度神经网络的结构和延迟变量选择困难、现有进化神经网络结构搜索计算效率低等问题，通过代理辅助模型去间接评价适应度，以提高搜索效率。具体步骤为：首先，使用深度神经网络去捕捉高维非线性时空特征，同时将延迟变量纳入进化神经网络结构搜索；其次，将深度神经网络结构与延迟变量进行联合编码；然后使用代理模型提升进化神经网络结构搜索的搜索效率，得到最优神经网络结构；最后，对最优神经网络结构进行重训练调优，得到其网络权重。本发明将代理模型引入到进化神经网络结构搜索中，与传统的进化神经网络搜索方法相比具有较高的预测性能和较低的时间消耗。
基于代理辅助进化神经网络结构搜索电功率预测方法

[发明专利]基于热扩散标签传播的半监督集成工业过程软测量建模方法、系统-CN202210089144.3在审
发明人： 金怀平;饶飞鸿;杨彪;刘海鹏;张志坤 -专利权人：昆明理工大学
申请日： 2022-01-25 - 公布日： 2022-12-13 - 主分类号： G16C20/10 文献下载
摘要：本发明公开了一种基于热扩散标签传播的半监督集成工业过程软测量建模方法、系统，本发明采用热扩散标签传播的方法挖掘标记样本与非标记样本之间的关系，在不依赖模型预测的基础上为非标记样本提供伪标记；再结合集成学习思想，首先，通过使用不同的相似度指标构造传播矩阵，从而获得多样性的伪标记数据集，然后以性能提升率为置信度评价指标挑选高置信度伪标记数据集，并将其分别加入标记训练样本集以生成多样性的扩充标记训练数据集；然后，基于标记训练数据集构建多样性的高斯过程回归基模型；最后，采用stacking集成实现模型融合。本发明有效融合了热扩散标签传播和集成学习的优势，能显著提升工业过程软测量建模的预测精度。
基于扩散标签传播监督集成工业过程测量建模方法系统

[发明专利]基于集成深度学习的全视野数字切片图像分类建模方法及装置-CN202210149217.3在审
发明人： 金怀平;薛飞跃;李振辉;陶海波 -专利权人：昆明理工大学
申请日： 2022-02-18 - 公布日： 2022-10-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于集成深度学习的全视野数字切片图像分类建模方法及装置，本发明通过预先收集的由专家进行标注的目标区域及非目标区域tile训练了一个高准确率的目标区域识别模型，用来对每张WSI的所有tile进行筛选，只提取包含目标区域的tile，大大降低了训练的复杂度，提升了训练效率；并且引入集成学习的思想，构建了满足多样性条件的3个不同的分类网络，最终采用集成策略对子分类器结果进行融合，以降低问题的复杂度，提高模型鲁棒性、可解释性和预测精度。
基于集成深度学习视野数字切片图像分类建模方法装置

[发明专利]一种基于进化优化的半监督学习工业过程软测量建模方法-CN202011014614.7有效
发明人： 金怀平;李拯;胡保林 -专利权人：昆明理工大学
申请日： 2020-09-24 - 公布日： 2022-09-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于进化优化的半监督学习工业过程软测量建模方法。所述方法用于解决工业过程中有标签数据获取较少、无标签数据丰富导致传统软测量模型预测性能精度不高的问题。本发明采用进化优化的方式对无标签数据中随机选取的样本进行伪标签估计，将获得的伪标签数据加入到有标签数据中通过高斯过程回归进行混合建模，有效的提升了传统软测量模型的性能。此外，对无标签数据进行小批量随机选取优化将带来多样性的伪标签数据优化结果，通过融合集成学习的思想，能够进一步提升模型的预测准确性和稳定性，从而使得工业过程的控制和监测更加安全可靠。
一种基于进化优化监督学习工业过程测量建模方法

[发明专利]一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法-CN201910150223.9有效
发明人： 金怀平;黄思 -专利权人：昆明理工大学
申请日： 2019-02-28 - 公布日： 2022-09-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法，该方法首先结合Bootstrapping随机重采样和偏互信息构建多样性输入变量子集，用高斯混合模型算法将对应的原始样本子集划分为不同建模区域，并建立相应的高斯过程回归基模型，进行后验概率加权融合，构建第一层集成模型EGPR。接下来以进化优化的视角构建多目标优化问题，选出性能较好且满足多样性的EGPR模型进行最终集成。该发明充分考虑了样本信息和输入变量信息的多样性，能有效保证基模型的多样性和预测精度。其次，选择性集成策略的引入有效克服了传统集成学习融合所有局部模型的缺陷，既显著降低了集成建模的复杂度，又提升了模型预测性能。
一种基于进化多目标优化选择性分层集成过程回归测量建模方法

[发明专利]一种基于集成即时学习的工业混炼胶门尼粘度软测量方法-CN201910594011.X有效
发明人： 金怀平;李建刚 -专利权人：昆明理工大学
申请日： 2019-07-03 - 公布日： 2022-09-13 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于集成即时学习的工业混炼胶门尼粘度软测量方法，用于工业混炼胶过程中门尼粘度的在线预测。本发明以高斯过程回归(GPR)为局部建模技术，结合相似度扰动和输入样本的多模态扰动策略激发即时学习的多样性，然后基于进化多目标优化构建满足多样性和准确性的即时学习基模型，最后，通过引入有限混合机制的自适应集成策略实现即时学习基模型的融合并得到最终门尼粘度预测值。本发明克服了混炼胶过程中门尼粘度值获取滞后导致成本增加、产品质量难以提高的问题，实现了门尼粘度的高精度在线实时获取。
一种基于集成即时学习工业混炼胶门尼粘度测量方法

[发明专利]基于变分自编码器和生成对抗网络的虚拟样本生成及软测量建模方法-CN202210091114.6在审
发明人： 金怀平;黄姝祺;杨彪;刘海鹏;张志坤 -专利权人：昆明理工大学
申请日： 2022-01-26 - 公布日： 2022-09-09 - 主分类号： G16C20/10 文献下载
摘要：本发明公开了一种基于变分自编码器和生成对抗网络的虚拟样本生成方法及软测量建模方法。本发明引入变分自编码器和WGANgp相结合的监督虚拟样本生成模型，该模型同时学习输入样本和输出样本的数据分布，生成器在最终的潜在空间中采样并生成带有输出的虚拟样本，可以避免误差二次累积。考虑到不是所有的虚拟样本都能提高模型的预测性能，通过对输入样本扰动，构建一组具有多样性的SV‑WGANgp模型，结合高斯过程回归模型对每个SV‑WGANgp模型生成的虚拟样本进行评估，剔除无效的虚拟样本；通过使用非标记样本对剔除后的虚拟样本进行二次选择，有效保证了最终虚拟样本的有效性；最终构建的虚拟样本生成模型和采用的虚拟样本选择方式为小样本问题提供了有效的途径。
基于编码器生成对抗网络虚拟样本测量建模方法

1
2
下一页»
尾页
共 30 条