“陈都鑫”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31个，建议您升级VIP下载更多相关专利

[发明专利]一种发电成本函数未知的动态经济调度方法-CN202310250034.5在审
发明人：虞文武;陈都鑫;王和;刘洪喆;孟浩飞;戴鹏程 -专利权人：东南大学
申请日： 2023-03-15 - 公布日： 2023-10-24 - 主分类号： G06Q10/0631 文献下载
摘要：本发明提供了一种针对发电成本函数未知的动态经济调度方法，该方法包含提出了一种新的分布式训练分布式执行的强化学习框架，并在该框架下，设计了一种融合分布式优化和强化学习方法的经济调度算法。本发明提出的分布式强化学习优化算法基于分布式优化理论和强化学习模型，使用分布式的方式解决了发电成本函数未知的动态经济调度问题，可提高智能电网的电力供应。此外，本文提出的分布式强化学习算法不仅可以有效进行智能电网中的配电管理，还可以适用于大规模的智能电网场景。通过仿真结果实例，进一步说明此分布式强化学习优化算法在动态经济调度问题的数值示例中具有良好的性能和有效性。
一种发电成本函数未知动态经济调度方法

[发明专利]基于循环神经网络和张量分解的电力系统负荷预测系统和方法-CN202310903077.9在审
发明人： 陈都鑫;陶淳;虞文武;吴雅晴;王伟;李明;翟千惠 -专利权人：东南大学
申请日： 2023-07-21 - 公布日： 2023-10-24 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于循环神经网络和张量分解的电力系统负荷预测系统，适用于电网负荷的短期预测系统。通过数据清洗得到删除异常值之后的数据集。通过选择合适的基本时间窗口，将记录的时间序列数据划分为若干个时间片，并用多个时间片拼接为二维张量。采用奇异值阈值算法(SVT)对缺失的数据进行插补，其中利用交替迭代的方式求得了插补矩阵的最优解，该矩阵作为补全后的样本数据。然后，使用动态时序规整(DTW)计算不同用电序列间的距离矩阵，将相似性高的时间序列作为一类数据，针对每一类数据，通过有监督的改进LSTM算法进行负荷预测。本发明可以更好地应对电力供需的不平衡问题，有效辅助新型电力系统安全经济运行，提高电力系统的稳定性和可靠性。
基于循环神经网络张量分解电力系统负荷预测系统方法

[发明专利]基于因果判定树的因果分析与图神经网络数据生成的方法-CN202310776375.6在审
发明人： 陈都鑫;杨婉婷;鲁诗怡;朱纪纯;查晓楠;林建澎;虞文武 -专利权人：东南大学
申请日： 2023-06-28 - 公布日： 2023-10-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于因果判定树的交通网络结构因果分析与图神经网络进行大规模交通流量生成的方法，适用于构建大规模交通流数据。利用基于因果判定树的交通网络结构因果分析，将城市道路网的探测器网络构建成一个带权重的有向图，将该网络图经过该图卷积神经网络对未来一段时间的系统的时序数据进行预测。本发明可为智能交通系统提供有效数据支撑。
基于因果判定分析神经网络数据生成方法

[发明专利]一种基于XGBoost的高精度电力客户营销渠道偏好预测系统-CN202310906926.6在审
发明人：虞文武;吴雅晴;陈都鑫;朱萌;李明;钱旭盛 -专利权人：东南大学
申请日： 2023-07-21 - 公布日： 2023-10-13 - 主分类号： G06Q30/0201 文献下载
摘要：本发明公开了一种基于XGBoost的高精度电力客户营销渠道偏好预测系统，适用于针对不同电力客户的服务渠道偏好从而指定更有针对性的引流策略。首先，我们收集包含性别，年龄，地区，缴费频次，缴费渠道等数据的电力客户信息。然后，我们使用XGBoost模型来预测电力客户的服务渠道偏好。XGBoost是一种基于梯度提升的决策树模型，具有强大的分类性能，能够处理各种类型的数据，并且具有处理缺失值和异常值的能力。然后，我们通过对模型进行训练和验证，优化模型参数，提高预测的准确率。最后，我们使用该模型来预测新的电力客户的服务渠道偏好，以指定更有针对性的引流策略。通过这种方法，本发明能够有效地预测电力客户对不同营销渠道的偏好，并且在预测精度上有显著的提高。
一种基于 xgboost 高精度电力客户营销渠道偏好预测系统

[发明专利]一种基于因果Transformer的网络化数据预测方法-CN202310776376.0在审
发明人： 陈都鑫;程钰鑫;虞文武 -专利权人：东南大学
申请日： 2023-06-28 - 公布日： 2023-09-19 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于因果Transformer的网络化数据预测方法，适用于预测复杂工程系统的耦合时间序列，本发明首先采用基于因果性指标的因果推理方法，以不同位置测速仪检测的车辆速度时间序列数据为基础，应用最优因果熵算法和互信息估计器，构建因果网络并估计因果熵值，再利用测速仪的经纬度坐标构造距离网络。接着，该发明将因果网络、距离网络以及时间序列输入Transformer卷积时空块。其中，每个时空块由一个残差Transformer模块和一个可以总结因果网络和距离网络信息的残差多图卷积网络模块组成，用于提取时间和空间维度信息。最后，提取的信息可以通过输出层进行解码可以获得预测结果。该方法具有良好的预测效果，可以为复杂工程系统提供有效的数据支撑。
一种基于因果 transformer 网络化数据预测方法

[发明专利]一种能耗控制方法以及装置-CN202310481568.9在审
发明人：徐灏;虞文武;聂晓凯;陈都鑫;刘洪喆;田方正 -专利权人：华为技术有限公司
申请日： 2023-04-27 - 公布日： 2023-08-04 - 主分类号： H04W52/02 文献下载
摘要：本申请提供一种能耗控制方法以及装置，用于针对通信系统中的每个区域单独进行适配的能耗管理，提高能耗管理的精准度，实现效果更好的能耗管理方式。该方法包括：首先，通信系统的信号覆盖范围可以分为多个区域，每个区域包括一个或多个网络设备，每个网络设备可以接入一个或者多个用户设备，获取该多个区域中每个区域的用户业务需求信息每个区域中的能耗、负载或者用户体验信息中的至少一种与用户业务需求信息中的信息之间具有关联关系；随后可以根据每个区域的用户业务需求信息以及该关联关系得到每个区域的能耗控制策略，即针对每个区域中的网络设备进行能耗管理的策略。
一种能耗控制方法以及装置

[发明专利]一种双无人艇编队通过长直狭窄河道的运动控制方法-CN202310221999.1在审
发明人：张海涛;梁诗亚;孙思卿;邹家喻;丁佳宁;陈都鑫 -专利权人：华中科技大学
申请日： 2023-03-08 - 公布日： 2023-07-07 - 主分类号： G05D1/02 文献下载
摘要：本发明属于多无人艇控制领域，具体提出一种双无人艇编队通过长直狭窄河道的运动控制方法，包括：实时基于每个无人艇当前位置及其航速，以及该无人艇在其所在编队中当前各邻居位置及其航速，通过蜂拥算法计算该无人艇的编队控制力；在各侧河道曲线上确定横坐标与每个无人艇当前位置横坐标相同的点，作为该无人艇在各河道的斥点，以通过斥力势分段函数，计算该无人艇与河道间的总斥力；基于每个无人艇当前位置以及其在另一个无人艇编队中的邻居无人艇位置，通过编队间的斥力势函数，计算该无人艇与其在另一无人艇编队中各邻居无人艇之间的总斥力。利用得到的三个力之和，更新无人艇下一时刻的速度和位置，实现双无人艇编队通过长直狭窄河道的目的。
一种无人编队通过狭窄河道运动控制方法

[发明专利]一种时变非平衡图上约束优化的分布式离散时间算法-CN202310250035.X在审
发明人：虞文武;陈都鑫;王和;刘洪喆;孟浩飞;张鹤;柯铭宇 -专利权人：东南大学
申请日： 2023-03-15 - 公布日： 2023-06-23 - 主分类号： G06F30/20 文献下载
摘要：本发明旨在研究约束限制下的分布式优化问题，提供了一种新的时变非平衡图上约束优化的分布式离散时间算法，用于处理不等式约束以及闭凸集约束的凸优化问题，并改进了Push‑pull框架，经证明可有效的解决该类约束优化问题。在考虑图序列时变、图不平衡的条件下，设计了一系列完全分布式的离散算法，考虑了带有N个不同不等式约束和N个不同闭凸集约束，分析并证明提出算法的收敛性，分析了其收敛速率。该分布式优化算法思路合理，求解高效，能有效的解决多无人系统中的自主优化决策问题。
一种时变非平衡约束优化分布式离散时间算法

[发明专利]一种目标函数未知的动态资源分配方法-CN202310250033.0在审
发明人：虞文武;陈都鑫;王和;刘洪喆;孟浩飞;戴鹏程 -专利权人：东南大学
申请日： 2023-03-15 - 公布日： 2023-06-13 - 主分类号： H04L47/783 文献下载
摘要：本发明提供了一种目标函数未知的动态资源分配方法，该方法设计了一种新的分布式强化学习算法。本发明提出的分布式强化学习算法基于多智能体系统和强化学习模型，采用分布式的方式解决了动态资源分配的问题，可以在目标函数未知的情况下，实现智能体之间的网络资源分配。此外，本文提出的分布式强化学习算法不仅可以提供算法的隐私保护和信息安全，还可以提高算法的可扩展性。通过仿真结果实例，说明该分布式强化学习算法在目标函数未知的动态资源配置问题的数值示例中具有良好的性能和有效性。
一种目标函数未知动态资源分配方法

[发明专利]一种基于小样本学习的用电异常诊断方法和系统-CN202310205139.9在审
发明人：缪猛;吴伟将;钱旭盛;许高俊;陈可;张轩城;王伟;虞文武;陈都鑫 -专利权人：国网江苏省电力有限公司营销服务中心
申请日： 2023-03-06 - 公布日： 2023-05-30 - 主分类号： G06F18/2433 文献下载
摘要：一种基于小样本学习的用电异常诊断方法和系统，包括：对包含小样本异常的用电数据进行预处理；对预处理后的用电数据进行电力特征的转化，构建电力数据图片样本，作为待测样本；结合支撑集对待测样本进行特征嵌入提取，得到支撑集中不同异常类别的样本原型和待测样本的特征向量拼接而成的样本对；对支撑集中不同异常类别的样本原型和待测样本的特征向量拼接而成的样本对进行异常类型判定，完成小样本学习的样本分类，其中异常类型分为未知异常类型和已知异常类型；选择不同网络进行未知异常类型诊断或者已知异常类型的进一步异常诊断，输出异常诊断结果。解决了用电异常类型样本分布极度不均衡和缺少对未知异常类型的诊断能力的限制问题。
一种基于样本学习用电异常诊断方法系统

[发明专利]一种稀疏自适应的复杂系统模型辨识方法-CN202310268392.9在审
发明人：范家铭;陈曦蕾;胡书华;陈都鑫;虞文武 -专利权人：东南大学
申请日： 2023-03-20 - 公布日： 2023-05-26 - 主分类号： G06F17/17 文献下载
摘要：本发明提供了一种稀疏自适应的复杂系统模型辨识方法，包含三个模块：基函数设计模块，设计以三角函数、幂函数等初等函数为主的候选基函数库，对时间节点向量进行变换，实现对系统的精准建模；评价指标求解模块，设计了一种针对各项候选基函数的评价指标——相关因子，衡量了各项候选基函数对模型的贡献程度，通过一种基于边缘似然函数最大化的稀疏贝叶斯学习算法进行计算；系数矩阵回归模块，在给定的可调误差阈值下利用设计的评价指标对候选基函数进行最大化的筛除，得到该阈值条件下最稀疏的模型。该方法在给定的误差阈值下能辨识出最稀疏的模型；能通过提高误差阈值提炼出主要的基函数项，有利于对系统进行特征分析。
一种稀疏自适应复杂系统模型辨识方法

[发明专利]一种针对图数据补全的集成式关键节点组的选择方法-CN202310074880.6有效
发明人：付嘉乐;姜小丫;康明与;陈都鑫;虞文武 -专利权人：东南大学
申请日： 2023-02-07 - 公布日： 2023-05-26 - 主分类号： G06F16/901 文献下载
摘要：本发明涉及一种针对图数据补全的集成式关键节点组的选择方法，包括四个模块：数据准备模块，根据真实网络数据，提取其拓扑信息并得到邻接矩阵；多角度关键节点识别模块，利用多种方法进行一组关键节点的识别；图卷积网络测试模块，基于图卷积网络对上一阶段得到的结果进行测试得到图数据补全效果；判断输出模块，对比补全效果，输出最优的一组关键节点。本发明的有效结果在于：针对图数据补全问题，能够识别出一组关键节点，且集成了基于邻域、基于路径、基于迭代多角度的方法，在不同类别的网络上都有较好的效果。
一种针对数据集成关键节点选择方法

[发明专利]基于模态交叉方法的时序数据缺失插补系统以及插补方法-CN202310063746.6有效
发明人：邱晨萌;李雨芝;康明与;陈都鑫;虞文武 -专利权人：东南大学
申请日： 2023-02-06 - 公布日： 2023-05-09 - 主分类号： G06F11/14 文献下载
摘要：本发明提供了一种基于模态交叉方法的时序数据缺失插补系统，由表征数据模块，多模态数据融合模块、可堆叠时空transformer模块（后续简称为时空模块），预测模块这四个模块构成。它适用于数据出现随机缺失以及非随机缺失，以及存在部分节点数据完全数据缺失的情况。本系统采用多模态数据融合技术通过表征学习将图像数据，声音数据转化为向量，将图数据信息转化为邻接矩阵张成一个向量，再与含缺失时序数据等融合为先验信息；对融合数据的处理模型通过建立每个时空块之间的密集连接构建端到端的编码通道，实现缺失数据准确恢复，其中时空块由一个空间块与一个时间块组成。本发明具有对信息流耦合时序数据恢复准确度高的优点。
基于交叉方法时序数据缺失系统以及

[发明专利]一种基于金字塔式因果网络的耦合信息流长期预测方法-CN202310065473.9有效
发明人：李雨芝;邱晨萌;邵其;陈都鑫;虞文武 -专利权人：东南大学
申请日： 2023-02-06 - 公布日： 2023-05-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于金字塔式因果网络的耦合信息流长期预测方法，适用于预测耦合信息流的长时时空信息,该方案采用因果性指标判断，以交通流为例，通过检测器获取的车辆速度时间序列数据为基础构建因果网络，通过互信息估计方法来计算因果熵，完成因果网络的构建。利用金字塔时空网络模型，从输入预处理层到时空块层，得到预测结果。其中每个时空块包含一个可以双向提取时间序列数据的时间金字塔模块和一个可以总结因果网络和地理网络信息的残差多图卷积网络模块。该方法可达到较高的信息流长时预测精度，可为在智能交通系统提供有效数据支撑。
一种基于金字塔式因果网络耦合信息长期预测方法

[发明专利]一种基于图嵌入技术和动力学方程推理的通信基站流量分析系统及分析方法-CN202310045222.4在审
发明人：何家骏;刘星;陈孜杰;陈都鑫;虞文武 -专利权人：东南大学
申请日： 2023-01-30 - 公布日： 2023-05-02 - 主分类号： H04W24/08 文献下载
摘要：本发明公开了一种基于图嵌入技术和动力学方程推理的通信基站流量分析系统及分析方法，系统包括：通信基站信息采集模块、输入代理模块、特征空间降维模块、动力学模型推断模块和函数库模块；方法包括如下步骤：实测通信基站网络的流量数据信息；使用图嵌入技术对高维稀疏的邻接矩阵的特征向量空间进行降维，将时变流量数据投影到低维特征空间；构建两个基础函数库；基于降维后的数据空间从基础函数库中推理网络动力学方程。本发明利用动力学方程的时变性质捕获了网络节点的自我演变与交互效应，并从基本函数库中对方程进行推理，能充分捕捉到通信基站流量的内在特征和潜在规律，可解释性较强，对短期和长期的流量预测都能达到更好的精度。
一种基于嵌入技术动力学方程推理通信基站流量分析系统方法

1
2
3
下一页»
尾页
共 31 条