“反归一化处理”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果34631652个，建议您升级VIP下载更多相关专利

[发明专利]基于深度神经网络的矢量量化系统及方法-CN201610466518.3有效
发明人：江文斌;贾晓立;江晓波;胡定禹;刘佩林 -专利权人：上海交通大学
申请日： 2016-06-23 - 公布日： 2019-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明提出一种基于深度神经网络的矢量量化系统及方法，包括：归一化预处理模块，将原始数据通过归一化数据进行归一化处理，输出归一化后的预处理数据；矢量量化编码模块，用以接收预处理数据及码本，并通过码本对所述预处理数据进行矢量量化编码，输出编码数据；神经网络反量化模块，通过深度神经网络对编码数据进行解码反量化，输出解码数据；反归一化后处理模块，通过归一化数据对解码数据进行反归一化处理，输出反归一化后的还原原始数据；及神经网络训练模块，通过归一化预处理后的预处理训练数据和编码训练数据，进行神经网络的训练，输出深度神经网络至神经网络反量化模块中。
基于深度神经网络矢量量化系统方法

[发明专利]图像处理装置及其方法、显示装置和计算机可读存储介质-CN202011537468.6在审
发明人：宋振坤;杨杰;毕育欣;孙炎 -专利权人：京东方科技集团股份有限公司;北京京东方光电科技有限公司
申请日： 2020-12-23 - 公布日： 2021-06-01 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种图像处理装置及其方法、显示装置和计算机可读存储介质，所述图像处理装置包括明度饱和度计算单元，用于根据输入的RGB像素数据，计算当前帧画面的明度值和饱和度值；归一化处理单元，用于将输入的RGB像素数据进行归一化处理；RGBW确定单元，用于根据归一化处理后的RGB像素数据以及所述明度值和饱和度值，确定RGBW像素数据；反归一化处理单元，用于将所述RGBW像素数据进行反归一化处理；以及子像素渲染单元，用于对反归一化处理后的RGBW像素数据进行排列，确定输出的RGBW像素数据。
图像处理装置及其方法显示装置计算机可读存储介质

[发明专利]基于卷积自编码器的叠前数据去噪方法及系统-CN201810862238.3在审
发明人：袁三一;宋卫宾;谢涛;刘颖;连世杰;邓力;王尚旭 -专利权人：中国石油大学(北京);中海油田服务股份有限公司
申请日： 2018-08-01 - 公布日： 2018-12-25 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于卷积自编码器的叠前数据去噪方法及系统。该基于卷积自编码器的叠前数据去噪方法包括：对叠前数据进行归一化，得到经过归一化的数据图像；对经过归一化的数据图像开辟多个大小相同的窗口，分割为多个小数据图像，选取其中一个或多个小数据图像作为卷积层输入特征图；使用卷积层的卷积核和卷积层的卷积核偏置对卷积层输入特征图进行卷积处理，得到卷积层输出特征图；将卷积层输出特征图进行池化处理和反池化处理，得到反卷积层输入特征图；使用反卷积层的卷积核和反卷积层的卷积核偏置对反卷积层输入特征图进行反卷积处理，得到反卷积层输出特征图；将反卷积层输出特征图进行反归一化，得到去噪数据，可提供高保真的去噪数据。
卷积反卷积输出特征输入特征卷积核数据去噪编码器归一化数据图像小数据池化偏置去噪图像反卷积处理反归一化卷积处理高保真对叠分割

[发明专利]水产养殖溶解氧预测方法及装置-CN201710409841.1在审
发明人：李振波;李晨;朱玲;吴静;岳峻;李道亮 -专利权人：中国农业大学
申请日： 2017-06-02 - 公布日： 2017-09-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供一种水产养殖溶解氧预测方法及装置。方法包括采集水产养殖水域的水质数据；将采集到的水质数据进行归一化处理，得到归一化数据；将所述归一化数据输入预设的LSTM神经网络预测模型，得到模型预测数据；将所述模型预测数据进行反归一化处理，得到溶解氧预测数据本发明实施例通过将采集到的水质数据进行归一化处理后输入预设的LSTM神经网络预测模型，得到模型预测数据，再将模型预测数据进行反归一化处理，可以得到溶解氧预测数据，解决了现有技术中无法利用其它水质数据对溶解氧进行预测的问题，提供了一种新的溶解氧的预测方法，并提高了溶解氧的预测精度。
水产养殖溶解氧预测方法装置

[发明专利]X射线图像降噪的方法、系统及装置-CN201811258162.X有效
发明人：苏晓芳 -专利权人：上海奕瑞光电子科技股份有限公司
申请日： 2018-10-26 - 公布日： 2021-10-01 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种X射线图像降噪的方法、系统及装置，包括以下步骤：获取X射线的图像帧序列，所述图像帧序列包括当前图像帧、当前图像帧的前n个图像帧和后n个图像帧；对所述图像帧序列中的每个图像帧进行灰度划分，并针对不同的灰度等级进行对应的线性变换；对线性变换后的所述图像帧进行归一化处理；对归一化后的所述图像帧进行边缘扩增；对边缘扩增后的所述当前图像帧进行当前图像帧的降噪处理；对降噪处理后的当前图像帧进行反归一化处理；对反归一化处理后的当前图像帧进行反线性变换处理本发明的一种X射线图像降噪的方法、系统及装置，具有对X射线图像较好的降噪的效果。
射线图像方法系统装置

[发明专利]一种信号时频特征图像生成方法及装置-CN201110071061.3有效
发明人：黄伟国;龚海健;赵凯;朱忠奎 -专利权人：苏州大学
申请日： 2011-03-23 - 公布日： 2012-09-26 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种信号时频特征图像生成方法，包括：获取时域波形信号；对所述时域波形信号分别进行Wigner-Ville分布变换(WVD)和小波变换(WT)，得到两个时频矩阵；对所述两个时频矩阵中的每个时频值进行归一化处理；将归一化处理后的两个时频矩阵融合成一个时频矩阵；对融合后的时频矩阵进行反归一化处理；根据反归一化处理后的时频矩阵，生成信号时频特征图像。本发明还公开了一种信号时频特征图像生成装置。采用本发明所述方法或装置生成的信号时频特征图像，具有较高的时频分辨率，并且能够消除生成图像时引入的交叉项。
一种信号特征图像生成方法装置

[发明专利]一种基于互补型模糊神经网络的能源用量预测方法和装置-CN201610195485.3有效
发明人：张定恩;杨滨;刘宝林;李光辉;李智滨;王修业;付家旗 -专利权人：天鸿泰(北京)科技有限公司
申请日： 2016-03-30 - 公布日： 2020-02-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于互补型模糊神经网络的能源用量预测方法和装置，其中所述方法包括：获取待测试能源对应的用能历史数据；将所述用能历史数据进行分类规整；对所述规整后的用能历史数据进行灰色处理，筛选出有效历史数据；将所述有效历史数据进行归一化处理；将归一化后的数据进行模糊处理；将模糊处理后的数据输入模糊神经网络模型中，由所述模糊神经网络模型预测出所述模糊处理后的数据对应的能源用量预值；对所述能源用量预值进行反归一化处理；将反归一化处理结果进行白化处理，得到目标预测值，并输出所述目标预测值。
一种基于互补模糊神经网络能源用量预测方法装置

[发明专利]一种基于CNN-LSTM组合模型的碳价预测方法及系统-CN202310356370.8在审
发明人：郭宇辰;加鹤萍;杨争林;刘敦楠;许晓敏;郑亚先;冯树海;曾丹 -专利权人：华北电力大学;中国电力科学研究院有限公司
申请日： 2023-04-06 - 公布日： 2023-08-04 - 主分类号： G06Q30/0202 文献下载
摘要：本发明涉及一种基于CNN‑LSTM组合模型的碳价预测方法及系统，包括以下步骤：步骤1、获取历史碳价时间序列数据，对其进行归一化处理：步骤2、将归一化处理过的碳价序列数据输入CNN模块，对碳价序列数据进行卷积计算提取潜在特征向量；步骤3、将归一化处理的碳价数据和提取的特征向量输入LSTM模块进行训练并完成预测；步骤4、对LSTM模块输出的结果进行反归一化，获得最终预测结果。本发明能够同时提高预测模型的准确性和处理速度。
一种基于 cnn lstm 组合模型预测方法系统

[发明专利]一种非侵入式负载分解方法及系统-CN202011081904.3在审
发明人：王珂;夏闵;姚建国;杨胜春;李亚平;朱克东;耿建;汤必强;刘建涛;郭晓蕊;周竞;毛文博;王刚 -专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网江苏省电力有限公司电力科学研究院
申请日： 2020-10-12 - 公布日： 2021-03-02 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种非侵入式负载分解方法及系统，所述方法包括：对待分解总功率数据进行归一化处理；基于预先训练的分解网络对归一化处理后的待分解总功率数据进行分解，获取待分解总功率数据中各类电器的功率归一化值；对待分解总功率数据中各类电器的功率归一化值进行反归一化处理
一种侵入负载分解方法系统

[发明专利]一种超短期风电功率预测方法及系统-CN202111398570.7在审
发明人：万黎升;曹洋;曹小群;许礼彬;熊永康;夏永洪 -专利权人：中国电建集团江西省电力设计院有限公司
申请日： 2021-11-24 - 公布日： 2021-12-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及风力发电功率预测技术领域,公开了一种超短期风电功率预测方法及系统，包括以下步骤：分析所需要数据的类型，并获取风电数据集；对获取的风电数据集进行缺失值填补；筛选最佳气象因素和气象因素和历史功率组合；根据风电数据集，选取符合预定要求的时间窗口长度；对风电数据集进行归一化处理，根据所选时间窗口长度，将数据集切片化处理；搭建CNN、GRU神经网络的并行模型，并设置参数，利用切片处理后的数据集对模型进行训练；对模型所得到的预测结果进行反归一化处理；根据预设的风电功率上下阈值，对反归一化处理结果进行调整。
一种短期电功率预测方法系统

[发明专利]一种绝缘油中气体浓度的预测方法及装置-CN202010824567.6在审
发明人：田小航;舒荣;王荣泰;徐文力 -专利权人：云南电力技术有限责任公司
申请日： 2020-08-17 - 公布日： 2020-11-24 - 主分类号： G06Q10/04 文献下载
摘要：本申请提供了一种绝缘油中气体浓度的预测方法及装置，本申请提供的方法针对任意一种气体，获取多个历史时刻分别对应的多个历史浓度；对多个历史浓度分别进行多次分解，得到每个历史浓度对应的多层历史浓度分量；对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；将属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到多个预测浓度分量；对预测浓度分量进行反归一化处理，得到反归一化后的预测浓度分量；根据属于同一预测时刻的多个反归一化后的预测浓度分量
一种绝缘油气体浓度预测方法装置

[发明专利]一种火电厂负荷的预测方法及系统-CN202310359612.9在审
发明人：郭树军 -专利权人：内蒙古丰电能源发电有限责任公司
申请日： 2023-04-04 - 公布日： 2023-07-25 - 主分类号： H02J3/00 文献下载
摘要：本发明涉及火电厂技术领域，特别是涉及一种火电厂负荷的预测方法及系统。采集火电厂若干机组的日发电小时数以及日总发电量，并计算机组平均运行小时数；根据机组平均运行小时数以及日总发电量计算机组的时均负荷量；根据若干个时均负荷量建立时均负荷量数据集，并对时均负荷量数据集中异常的时均负荷量进行删除处理；对进行删除处理后的时均负荷量数据集中的若干时均负荷量进行归一化处理以及反归一化处理；根据归一化处理以及反归一化处理后的时均负荷量数据集建立深度学习模型，并通过深度学习模型对火电厂进行负荷预测。
一种火电厂负荷预测方法系统

[发明专利]基于优化LSTM模型的道路停车泊位预测方法-CN201810796978.1有效
发明人：刘菲;沈海南;辛国茂;周永利;郝敬全 -专利权人：泰华智慧产业集团股份有限公司
申请日： 2018-07-19 - 公布日： 2020-03-24 - 主分类号： G08G1/14 文献下载
摘要：本发明公开了一种基于优化LSTM模型的道路停车泊位预测方法，包括以下步骤：获取目标停车场的历史停车数据，计算目标停车场内每间隔单位时间的停车泊位数得到样本集；将样本集划分为训练集和测试集并分别进行归一化处理；将归一化训练集输入神经网络模型进行训练，得到第一预测结果集，若第一预测结果集中的结果小于第一误差阈值，则将归一化测试集输入至神经网络模型，得到第二预测结果集，将第二预测结果集进行反归一化处理，计算反归一化处理后得到的结果与剩余停车泊位数之间的误差
基于优化 lstm 模型道路停车泊位预测方法

[发明专利]一种全工况双区温度校准方法及其汽车空调控制系统-CN201410068347.X有效
发明人：钟启兴;罗作煌 -专利权人：惠州市德赛西威汽车电子股份有限公司
申请日： 2014-02-27 - 公布日： 2019-03-22 - 主分类号： B60H1/00 文献下载
摘要：本发明公开了一种全工况双区温度校准方法及其汽车空调控制系统，在校准车内温度传感器时对左右双区人体感官位置处的温度值建立BP神经网络模型，该方法包括：确定网络模型的输入信号；全工况采集网络模型的训练数据；对网络模型的输入输出进行归一化处理以及对其输出进行反归一化处理；利用Matlab工具箱对网络模型进行初始化和训练；由于采用了归一化处理网络模型的输入输出以及反归一化处理其输出，彻底摆脱了传统温度校准算法对于控制时间轴的依赖
一种工况温度校准方法及其汽车空调控制系统

[发明专利]基于SATT-TCN-LSTM模型的城市用水量预测方法-CN202310935832.1在审
发明人：曹平;程瑞;刘卫刚 -专利权人：广东中山建筑设计院股份有限公司
申请日： 2023-07-27 - 公布日： 2023-10-10 - 主分类号： G06F18/20 文献下载
摘要：一种基于SATT‑TCN‑LSTM模型的城市用水量预测方法，包括如下步骤：获取城市历史用水量数据集，所述城市历史用水量数据集包含城市历史用水量以及多个影响城市历史用水量的影响因素；分析各影响因素与城市历史用水量之间的关联程度，筛选出关联度较高的数据，并依据时间排序，形成时间序列数据；对时间序列数据进行归一化处理；利用自注意力机制对归一化后的数据分配权重并学习重要的数据，以权重大小区分强弱特征数据，再利用时间卷积网络对数据集进行二次特征提取；将特征数据输入到LSTM模型中进行训练；把训练得到的预测数据进行反归一化处理，并对反归一化处理后的数据进行纠偏和修正因子处理，得到城市用水量预测结果。
基于 satt tcn lstm 模型城市用水量预测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条