“回归模型”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791845个，建议您升级VIP下载更多相关专利

[发明专利]基于互联网和大数据的配电线路树障智能定位方法和装置-CN202210130693.0有效
发明人：刘恋;张敬普;刘荣辉;李忠;刘佳;陈少峰;崔雪冰;郑征;常亮;张仪方 -专利权人：河南城建学院
申请日： 2022-02-12 - 公布日： 2022-08-26 - 主分类号： G06T7/00 文献下载
摘要：该方法通过训练好的分类模型对采集的三维点云数据进行筛选，确定树木对应的目标点云数据，将目标点云数据和配电线路数据输入训练好的特征提取模型，确定目标特征信息，将目标特征信息输入训练好的权重回归模型，确定目标回归值，若目标回归值不小于预设回归阈值，则确定目标点云数据对应的地理位置为树障位置，通过分类模型、特征提取模型和权重回归模型的共同作用，可以有效地识别树木以及树木与配电线路之间的空间位置关系，并将信息量化为回归值与预设回归阈值比较
基于互联网数据配电线路智能定位方法装置

[发明专利]基于成本导向梯度上升回归树的风力发电预测方法及产品-CN201910131088.3有效
发明人：袁智勇;叶琳浩;雷金勇;陈旭;马溪原;樊扬;周长城;喻磊;郭祚刚;于海洋 -专利权人：南方电网科学研究院有限责任公司;中国南方电网有限责任公司
申请日： 2019-02-21 - 公布日： 2023-05-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于成本导向梯度上升回归树的风力发电预测方法及产品，该方法，包括：获取待预测地的风力历史数据、预测误差损失函数模型；求取所述风力历史数据关于所述预测误差损失函数模型的负梯度值，作为残差估计值；利用所述残差估计值训练梯度上升回归树模型，得到成本导向梯度上升回归树模型；利用所述成本导向梯度上升回归树模型，预测风力发电量。本发明采用了一种梯度上升回归树方法，该方法能够有效地处理成本导向型损失函数，并使用回归树和梯度提升两种手段将预测误差产生的实际成本纳入到模型构建和预测过程中，梯度上升回归树方法来执行最优点预测，使其能够有效地处理成本导向的损失函数
基于成本导向梯度上升回归风力发电预测方法产品

[发明专利]一种电动汽车供需差预测方法和充电桩布局规划方法-CN201711012697.4在审
发明人：王晓蓉;张骁;陈薇;林武桃;徐龙龙;王腾蛟;张国宾;邓春宇 -专利权人：中国电力科学研究院有限公司;北京大学;国家电网公司;国网江苏省电力公司电力科学研究院
申请日： 2017-10-25 - 公布日： 2019-05-03 - 主分类号： G06Q30/06 文献下载
摘要：该电动汽车供需差预测方法包括：从原始数据中抽取相关数据并构造特征；使用信息增益率对特征进行排序，生成特征排序表；对特征排序表进行倒序筛选，生成不同数据缺失程度的特征子集；针对不同数据缺失程度的特征子集，利用改进的回归树算法生成相应的子回归树模型；按照线性回归模型进行整合，学习出各个子回归树模型的参数；使用线性回归的投票策略进行集成，得到集成学习回归树模型，进行车辆供需差的预测。然后依据车辆供需差来计算出充电桩布局模型。本发明采用时间复杂度较低、准确率较高的集成学习回归树，能够解决存在数据缺失情况下充电桩布局规划的问题。
充电桩布局规划电动汽车数据缺失树模型回归预测集成学习特征子集排序表线性回归模型时间复杂度布局模型构造特征使用信息线性回归原始数据树算法准确率倒序整合排序抽取筛选投票改进学习

[发明专利]一种基于弹性网络回归模型的变压器顶层油温预测方法-CN202010574482.7在审
发明人：周广方;郑丽娟;彭团丰;赵莉莉;黄思琪 -专利权人：杭州电力设备制造有限公司;国网浙江杭州市余杭区供电有限公司;国网浙江省电力有限公司杭州供电公司
申请日： 2020-06-22 - 公布日： 2020-09-29 - 主分类号： G06F17/18 文献下载
摘要：本申请公开了一种基于弹性网络回归模型的变压器顶层油温预测方法，包括获取变压器的监测数据；所述监测数据包含所述变压器的顶层油温；依据所述监测数据构造样本数组，并将所述样本数组代入预设的弹性网络回归模型，确定所述弹性网络回归模型的回归系数；获取所述变压器的实时监测数据；所述实时监测数据不包含所述变压器的顶层油温；将所述实时监测数据代入回归系数已确定的所述弹性网络回归模型中进行数据处理，得到所述变压器的顶层油温的预测值。本申请还公开了一种基于弹性网络回归模型的变压器顶层油温预测装置、设备及计算机可读存储介质，均具有上述技术效果。
一种基于弹性网络回归模型变压器顶层预测方法

[发明专利]基于连续小批量训练梯度下降的逐步回归方法和装置-CN202310187649.8在审
发明人：请求不公布姓名 -专利权人：杭州博盾习言科技有限公司
申请日： 2023-02-21 - 公布日： 2023-06-23 - 主分类号： G06F18/214 文献下载
摘要：本申请提供的基于连续小批量训练梯度下降的逐步回归方法和装置，属于计算机技术领域。所述方法包括：将待筛选样本特征集中的数据划分为多个数据块；在逐步回归单次特征筛选时，首先使用极小的数据量对特征进行粗筛，随后使用较大数据量对特征进行精筛；利用每次训练后回归模型的评价指标对特征进行筛选，在本次训练得到回归模型的目标评价指标优于回归模型的上一次训练的历史评价指标时，将特征添加至已筛选样本特征集；在目标评价指标差于回归模型的上一次训练的历史评价指标时，结束特征筛选过程并输出最终的已筛选样本特征集和回归模型
基于连续批量训练梯度下降逐步回归方法装置

[发明专利]飞机机翼地面载荷标定方法、标定网络、装置及存储介质-CN202210944869.6在审
发明人：江文松;刘晶晶;罗哉;胡晓峰;郭斌 -专利权人：中国计量大学
申请日： 2022-08-08 - 公布日： 2022-11-01 - 主分类号： G06F30/20 文献下载
摘要：本申请提出一种飞机机翼地面载荷标定方法、标定网络、装置及计算机设备，其中，方法包括构建关于多个载荷分量的多元二次回归模型，多元二次回归模型包括二次项回归系数和一次项回归系数；接收载荷实验中获得的多个载荷分量值和应变值，建立多个载荷分量与传感器应变的系数矩阵；将多元二次回归方程转换为多元线性方程；采用LASSO回归方法计算多元线性方程，获得二次项回归系数和一次项回归系数。本申请实施例，通过构建多元二次回归方程，再计算获得多元二次回归方程的二次项回归系数和一次项回归系数；使得可以通过多元二次回归模型更精确地预测飞机机翼受到的载荷。
飞机机翼地面载荷标定方法网络装置存储介质

[发明专利]一种基于脉搏回归模型的心电信号数据修正方法及系统-CN201410556338.5有效
发明人：戴鹏;沈劲鹏 -专利权人：深圳市迈迪加科技发展有限公司
申请日： 2014-10-20 - 公布日： 2019-04-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于脉搏回归模型的心电信号数据修正方法及系统，其中，方法包括步骤：使用人工神经网络构造一回归模型，并利用采集到的脉搏信号数据以及心电信号数据对回归模型进行训练得到训练后的回归模型；将脉搏信号数据作为训练后的回归模型的网络输入
一种基于脉搏回归模型电信号数据修正方法系统

[发明专利]一种基于主动学习的回归分析系统及方法-CN201310430125.3有效
发明人：蔡文彬;张娅 -专利权人：上海交通大学
申请日： 2013-09-18 - 公布日： 2014-01-15 - 主分类号： G06F19/00 文献下载
摘要：本发明提供了一种基于主动学习的回归分析系统及方法，其中：数据采集模块收集回归学习所需的未标注数据，并进行预处理；训练集构建模块构建回归学习所需的训练数据，包括：初始阶段，从存储的未标注数据中随机挑选部分样本进行人工标注迭代阶段，调用回归学习模块已经构建的回归模型，执行主动学习方法选择最有信息的样本进行标注，扩展已有的训练集；将标注后的数据存于存储模块；回归学习模块调用数据存储模块中的有标注的数，训练回归模型；上述训练集构建模块和回归学习模块，交互迭代进行；预测模块在主动学习迭代结束后，调用回归学习模块建立的回归模型，对因变量进行预测。本发明可以提高回归系统的数据分析的准确性。
一种基于主动学习回归分析系统方法

[发明专利]电容式电压互感器的相角误差预测方法、装置和电子设备-CN202310130474.7在审
发明人：陈国良;倪恬;候慧;魏洪涛 -专利权人：武汉理工大学
申请日： 2023-02-14 - 公布日： 2023-06-23 - 主分类号： G01R35/02 文献下载
摘要：本申请公开了一种电容式电压互感器的相角误差预测方法、装置和电子设备，该方法包括：建立初始回归树预测模型，初始回归树预测模型的初始设置参数包括叶子节点最少样本数和特征选择标准参数；训练初始回归树预测模型，得到训练完备的回归树预测模型；实时获取电容式电压互感器的三相电压幅值，基于训练完备的回归树预测模型，确定电容式电压互感器的相角误差。通过回归树预测模型对电容式电压互感器的三相电压幅值进行数据处理，能够实现实时获取对应的相角误差，为电容式电压互感器的长期可靠运行提供了保障；同时，通过回归树预测模型获取相角误差的过程中不需要电容式电压互感器断电
电容电压互感器相角误差预测方法装置电子设备

[发明专利]混合模型学习方法、光学散射测量方法和电子设备-CN202211490637.4在审
发明人：梁洪涛;张厚道;张晓雷;张云;施耀明 -专利权人：上海精测半导体技术有限公司
申请日： 2022-11-25 - 公布日： 2023-03-21 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种用于光学散射测量的混合模型学习方法、光学散射测量方法和电子设备，包括：基于物理模型和材料的结构参数，通过分析实验光谱进行回归方式获得回归数据，回归数据为仿真光谱或待测参数预测值；将参考参数作为标签数据，将标签数据和回归数据共同输入机器学习模型进行训练；当机器学习模型的损失函数的损失值达到设定阈值时停止训练，获得混合模型。该方法结合了物理模型的泛化能力和机器学习模型的精度优势，能够提升半导体量测中的测量速度和精度。
混合模型学习方法光学散射测量方法电子设备

[发明专利]风险投资模型构建方法、装置、设备、介质和程序产品-CN202210271435.4在审
发明人：严艳莹 -专利权人：中国建设银行股份有限公司
申请日： 2022-03-18 - 公布日： 2022-06-28 - 主分类号： G06Q40/06 文献下载
摘要：本申请公开了一种风险投资模型构建方法、装置、设备、介质和程序产品。该风险投资模型构建方法包括：获取影响风险投资的多个特征参数；对各所述特征参数进行排列组合，得到K个样本数据；K为正整数；将每个所述样本数据分别与风险投资指标进行线性回归，得到预测风险投资的线性回归模型。可以实现快速方便的选择构建的投资风险的回归模型的不同特征参数，提升回归模型构建效率的效果。
风险投资模型构建方法装置设备介质程序产品

[发明专利]用于移动话务统计的回归模型建模方法-CN201410575653.2在审
发明人：胡峻源 -专利权人：胡峻源
申请日： 2014-10-25 - 公布日： 2016-05-11 - 主分类号： G06Q10/04 文献下载
摘要：用于移动话务统计的回归模型建模方法，包括建立可线性化回归模型的步骤，所述建立可线性化回归模型的步骤包括如下子步骤；S1进行变量变换实现线性化；S2进行线性回归预测；S3进行反变换实现数据还原；还包括对回归模型的检验步骤本发明所述的用于移动话务统计的回归模型建模方法可以预测在不同用户发展计划及不同资费标准下的移动通信业务量，从而为移动通信运营商确定网络建设规模提供依据。
用于移动话务统计回归模型建模方法

[发明专利]一种支持向量回归机模型选择方法-CN201610403137.0在审
发明人：王海伦;许大星;柴国飞;黄钢 -专利权人：衢州学院
申请日： 2016-06-07 - 公布日： 2016-11-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种支持向量回归机模型选择方法，针对支持向量回归机的模型选择问题提出了一种新的基于混合核函数和容积卡尔曼滤波的支持向量回归机模型选择方法。选择混合核函数作为支持向量机的核函数，把混合核函数的组合系数嵌入到核函数参数与回归参数组成的超参数状态向量当中，从而将模型选择问题转换成一个非线性系统的状态估计问题，然后基于高性能的容积卡尔曼滤波进行超参数估计仿真实验表明，本文所提方法与单个核函数的容积卡尔曼滤波支持向量回归机模型选择方法、遗传算法相比，该方法得到的决策回归函数具有更大的泛化能力，预测精度更高。
一种支持向量回归模型选择方法

[发明专利]一种汽车电子驻车系统中控制器单元编码值的校正方法-CN202111085724.7在审
发明人：朱志峰;姚勇;常雁龙;周芳 -专利权人：安徽省爱夫卡电子科技有限公司;安徽工业大学
申请日： 2021-09-16 - 公布日： 2021-12-10 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种汽车电子驻车系统中控制器单元编码值的校正方法，包括以下步骤：步骤1：检测汽车拉线调节力，通过调整制动执行机构和制动电机的间隙，使得拉线调节力在标准值±10%误差以内；步骤2：利用多项式回归分析方法，建立拉线调节力、驻车控制器编码和制动电机间隙的回归校正模型，步骤3：检验并确认回归校正模型，通过测试误差判断拉线调节力检测值与其回归校正模型的估计值之差是否小于阈值，如小于阈值则该确定回归校正模型；步骤4：将拉线调节力标准值作为估计值输入回归校正模型，得到的驻车控制器编码值作为其校正值。
一种汽车电子系统控制器单元编码校正方法

[发明专利]目标跟踪方法及装置-CN202111663438.4在审
发明人：褚宏琳 -专利权人：上海幻电信息科技有限公司
申请日： 2021-12-30 - 公布日： 2022-04-08 - 主分类号： G06T7/246 文献下载
摘要：本申请提供目标跟踪方法及装置，其中所述目标跟踪方法包括：获取待跟踪图像；将所述待跟踪图像输入训练好的目标跟踪模型，得到所述待跟踪图像的目标跟踪结果；其中，所述目标跟踪模型包括分类分支和回归分支，所述目标跟踪模型基于回归样本和分类样本对预设神经网络训练得到，所述回归样本根据通过所述分类分支得到的初始样本的初始分类损失确定，所述分类样本根据通过所述回归分支得到的所述初始样本的初始回归损失确定。有效地保证了在训练过程中实现分类和回归结果地对齐，从而提高目标跟踪模型的鲁棒性和精确度，并有效地提高使用目标跟踪模型进行目标跟踪的效率和准确度。
目标跟踪方法装置