“高斯过程回归”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3515121个，建议您升级VIP下载更多相关专利

[发明专利]一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法-CN201910851343.1有效
发明人：韩晓霞;许全喜;岳林;董颖超 -专利权人：太原理工大学
申请日： 2019-09-10 - 公布日： 2020-07-21 - 主分类号： G06F30/20 文献下载
摘要：本发明公开一种基于ECSA的高斯过程回归的对硝基苯酚还原催化剂建模预测方法，包括以下步骤：对乌鸦搜索算法加入收缩环绕机制和模拟退火进行改进，得到增强型乌鸦搜索算法；对原始输入数据通过归一化，核PCA降维和均值漂移聚类对数据进行预处理；利用处理好的数据建立基于高斯过程回归模型的对硝基苯酚还原催化剂预测模型；利用增强型的乌鸦搜索算法优化该预测模型的超参数；根据优化后的预测模型，筛选出最优的催化剂。本发明提出一种新的增强型乌鸦搜索算法，并将其用于优化高斯过程回归的对硝基苯酚还原催化剂建模预测，提高的模型预测精度和催化剂的筛选效率。
一种基于 ecsa 过程回归 np 还原催化剂建模预测方法

[发明专利]基于迁移学习的飞机辅助动力装置寿命预测方法-CN201910647366.0有效
发明人：刘连胜;梁军;刘晓磊;刘大同;彭宇;彭喜元 -专利权人：哈尔滨工业大学
申请日： 2019-07-17 - 公布日： 2022-07-01 - 主分类号： G06F30/27 文献下载
摘要：采集飞机辅助动力装置的试车测试仿真数据作为源域数据；采集任意一个飞机辅助动力装置的在翼监测数据作为目标域数据，将该数据分为训练集和测试集；采用源域数据训练高斯过程回归预测模型得到含有特征提取方法的高斯过程回归预测模型；使用训练集对得到的模型进行训练得到训练好的基于迁移学习的高斯过程回归预测模型；采用训练好的该模型对测试集进行寿命预测得到的预测值作为寿命预测结果。
基于迁移学习飞机辅助动力装置寿命预测方法

[发明专利]一种基于高斯过程回归的电机极端工况的温度预测系统-CN202111201496.5有效
发明人：陈俐;王子垚 -专利权人：上海交通大学
申请日： 2021-10-15 - 公布日： 2023-06-16 - 主分类号： G01R31/34 文献下载
摘要：本发明涉及一种基于高斯过程回归的电机极端工况的温度预测系统，该系统包括：常规工况数据采集单元：用以通过传感设备动态获取电机在实验环境下的系统输入、系统输出及环境数据，即常规工况数据；终端处理单元：用以接收常规工况数据并通过数据传输单元发送到服务器单元；数据传输单元：用以实现终端处理单元和服务器单元之间的数据传输；服务器单元：接收常规工况数据进行预处理形成常规工况数据集，构建高斯过程回归模型并进行标准工况和极端工况的训练得到训练好的高斯过程回归模型并反馈给终端处理单元
一种基于过程回归电机极端工况温度预测系统

[发明专利]基于高斯过程回归的汽车驾驶模拟器制动系统建模方法-CN202011206710.1有效
发明人：蔡锦康;赵蕊;邓伟文;丁娟 -专利权人：浙江天行健智能科技有限公司
申请日： 2020-11-03 - 公布日： 2023-06-23 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种基于高斯过程回归的汽车驾驶模拟器制动系统建模方法，其步骤包括：设计混合工况；进行制动系统实车试验，采集原始制动系统数据；筛选原始制动系统数据，得到制动系统模型训练数据库和模型质量检测数据库；对制动系统模型训练数据库进行随机选择，得到建模点数据后运用高斯过程回归建模方法进行制动系统建模；使用模型质量检测数据库进行制动系统模型质量检测；根据制动系统模型质量检测结果判断是否重新设计混合工况并进行整个建模的步骤本发明以制动系统实车试验数据为基础，使用高斯过程回归建模方法，得到了高置信度的汽车驾驶模拟器制动系统模型，从而减少了汽车驾驶系统对真实制动系统软硬件的依赖，降低开发和使用成本。
基于过程回归汽车驾驶模拟器制动系统建模方法

[发明专利]电化学瓦斯传感器的一种快速响应方法-CN201310689558.0有效
发明人：李振璧;姜媛媛;李璇 -专利权人：安徽理工大学
申请日： 2013-12-16 - 公布日： 2014-03-12 - 主分类号： G01N27/26 文献下载
摘要：发明提供电化学瓦斯传感器的一种快速响应方法，具体为：通过快速采集瓦斯浓度传递过渡过程中的若干瓦斯浓度值，用于建立离散灰色模型DGM（1，1），然后利用灰色预测结果与所采集的实际瓦斯浓度值训练高斯过程回归模型，最后基于所训练的高斯过程回归模型提前获取瓦斯浓度值。
电化学瓦斯传感器一种快速响应方法

[发明专利]基于高斯过程回归的变分滤波机动目标跟踪方法-CN202310578309.8在审
发明人：杨金龙;凌翔;王景岩;刘建军;张媛 -专利权人：江南大学
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了基于高斯过程回归的变分滤波机动目标跟踪方法，属于目标跟踪领域。所述方法首先采用时间预测方法得到目标状态的预测后验分布、过程噪声协方差的预测后验分布和预测量测值，然后使用变分滤波方法更新目标状态和过程噪声协方差的联合后验分布；本发明使用变分推断技术，通过迭代估计目标状态和过程噪声协方差的联合后验，解决了滤波方法中过程噪声未知的问题，在均方根误差上达到了比使用标准噪声参数的卡尔曼滤波更好的效果；使用高斯过程回归技术，通过高斯模型预测量测和阈值方法去除异常量测，解决了机动目标跟踪中出现异常量测的问题
基于过程回归滤波机动目标跟踪方法

[发明专利]基于高斯过程模型的铜期货价格预测方法-CN201810839728.1在审
发明人：杨炜祖;李从恺;顾军 -专利权人：上海源庐加佳信息科技有限公司
申请日： 2018-07-27 - 公布日： 2019-06-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于高斯过程模型的铜期货价格预测方法，包括以下步骤：获取铜期货历史数据和影响铜期货的外源特征数据；数据处理；构建用于预测调整后铜主力合约的对数收益的高斯回归过程模型；通过处理后的数据对高斯回归过程模型进行训练，直到模型收敛；获取当前日的铜主力合约数据，构建和处理后数据一样的特征输入模型进行预测；输出对数收益预测结果；通过选出一些影响上海期货交易所铜期货的价格的外源性特征数据结合机器学习中的高斯过程模型来对铜期货价格建模
过程模型期货高斯预测期货价格交易策略特征数据构建合约数据机器学习历史数据期货交易收益预测数据处理特征输入主力外源性回归建模外源交易收敛量化输出收益

[发明专利]基于相关性和高斯过程回归的设计空间参数迁移学习方法-CN202110259020.0在审
发明人：张萌;张峥;张倩茹;胡突传 -专利权人：东南大学
申请日： 2021-03-10 - 公布日： 2021-05-25 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了基于相关性和高斯过程回归的设计空间参数迁移学习方法，包括：(1)合理地将相关性算法融入到不同工艺下的设计空间探索中，关联不同工艺下的评估目标的相关性；使得在先进工艺下的设计空间探索的时间大大减小(2)利用高斯过程回归的输出为高斯过程的均值和方差的优点，用具有相关性的各个工艺下的数据来拟合高斯过程，并可以有效地输出先进工艺下的设计参数的概率分布。
基于相关性过程回归设计空间参数迁移学习方法

[发明专利]一种基于多输出高斯过程的目标跟踪方法-CN202110210361.9在审
发明人：陆科林;符启恩 -专利权人：东南大学
申请日： 2021-02-24 - 公布日： 2021-06-01 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种基于多输出高斯过程的目标跟踪方法，使用高斯过程回归对目标的动力学模型和测量模型进行建模，使用多输出高斯过程技术捕捉系统模型输出之间的相关性，并基于所建立的模型使用贝叶斯积分技术完成目标跟踪中的矩转换步骤
一种基于输出过程目标跟踪方法

[发明专利]一种基于高斯过程回归的图像超分辨率重建方法-CN201811555243.6在审
发明人：杨雯璟;朱荽 -专利权人：重庆邮电大学
申请日： 2018-12-19 - 公布日： 2019-05-03 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于高斯过程回归的图像超分辨率重建方法，具体实现步骤为：1.获取样本训练集，并将样本训练集进行模糊分类；2基于分类结果分别对每类样本训练高斯过程回归模型；3.输入测试图像样本集，并选择相应的回归关系；4.利用学习到的回归关系预测测试样本集对应的输出，即低分辨率图像中缺失的像素值；5.重建出高分辨率图像。
高斯过程回归图像超分辨率高分辨率图像重建样本训练集低分辨率图像测试样本集边缘锯齿分类结果模糊分类社会生产社会生活输入测试图像样本纹理细节样本训练回归像素输出清晰预测应用学习

[发明专利]一种锂离子电池健康状态估计方法-CN202310480599.2在审
发明人：陆海彦;李艺多;魏志远;孙小温;刘长英 -专利权人：长沙汽车创新研究院;长沙吉湘汽车创新科技发展有限公司
申请日： 2023-04-28 - 公布日： 2023-08-18 - 主分类号： G01R31/392 文献下载
摘要：本发明适用于动力电池管理领域，提供了一种锂离子电池健康状态估计方法，包括以下步骤：对同一类型新产锂离子电池进行同类型预充放电循环；提取电池特征数据并用于卷积神经网络训练；计算训练结果均值，并取均值合理范围内电池，部分作为高斯过程回归算法的训练用电池，另一部分作为验证电池；通过高斯过程回归对电池进行充放电曲线与健康状态关系的训练。通过卷积神经网络算法预估特征参数，筛选得到在制造工艺及填料尺度上一致性较好的电池，其中部分作为高斯过程回归模型训练电池另一部分作为验证电池进行以容量为标准的电池健康状态估计，实施证明此种分类及估计方法能够避免电池制造过程中带来的参数误差
一种锂离子电池健康状态估计方法

[发明专利]一种家庭电力负荷概率预测方法及应用-CN202211632256.5在审
发明人：李远征;张富绅;周纯杰;赵勇;曾志刚 -专利权人：华中科技大学
申请日： 2022-12-19 - 公布日： 2023-03-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种家庭电力负荷概率预测方法及应用，属于家庭负荷预测技术领域；考虑到家庭负荷数据的时间相关性，采用神经网络模型对时间序列进行建模；针对家庭负荷的强不确定性，采用稀疏高斯过程回归模型进行不确定性表征；此外，在模型训练的过程中，构建了离线‑在线双模式学习方式，通过离线学习保障了神经网络模型的初始性能，通过在线学习实时更新稀疏高斯过程回归模型中的后验分布以及神经网络模型中的参数，增强了神经网络模型和稀疏高斯过程回归模型的精度和适应性
一种家庭电力负荷概率预测方法应用

[发明专利]基于动态非线性PLS软测量方法的废水出水指标预测方法-CN201811212785.3有效
发明人：刘鸿斌;杨冲 -专利权人：南京林业大学
申请日： 2018-10-18 - 公布日： 2022-04-22 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于动态非线性PLS软测量方法的废水出水指标预测方法，该方法可用于存在较强的时变性、耦合性以及非线性的工业过程。首先，采用增广矩阵捕捉工业数据的动态特性；之后，采用高斯过程回归替代偏最小二乘建模过程中输入、输出得分向量间的线性关系，使偏最小二乘方法具备非线性建模能力；为验证模型的预测能力，将该方法分别应用于废水处理仿真基准1号模型和某工厂的废水处理过程进行软测量建模。实验结果表明，动态方法与高斯过程回归的应用可明显提高偏最小二乘回归模型的预测能力，更适用于复杂工业过程的软测量建模。
基于动态非线性 pls 测量方法废水出水指标预测方法

[发明专利]一种基于高斯混合模型的上甑轨迹提取方法-CN202010698351.X在审
发明人：刘超;张栗寅;杨艺;张建华;盛鑫军 -专利权人：上海交通大学;河北工业大学
申请日： 2020-07-20 - 公布日： 2020-10-30 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种基于高斯混合模型的上甑轨迹提取方法，包括以下步骤：步骤一：使用巴特沃斯滤波器将采集的位置信号原始数据去噪，使用各时刻前后采样点计算该时刻的速度；步骤二：使用最大期望算法拟合高斯混合模型；步骤三：利用高斯混合回归生成拟合轨迹，本发明将轨迹匹配引入到机器人上甑动作学习的过程中，通过最大期望算法拟合高斯混合模型建立重复示教轨迹匹配特征，通过高斯混合回归得到在限制条件下的拟合数据，最终实现上甑动作轨迹拟合，本方法可以通过多次上甑动作示教，提高方法的容噪性，并对人工上甑过程中动作变形和动作加减速等问题均有较强的鲁棒性，本发明最终实现了上甑轨迹的提取并有良好的效果。
一种基于混合模型轨迹提取方法

[发明专利]基于最大二次互信息准则回归的发酵过程质量变量预测方法-CN201911117647.1有效
发明人：王普;李征;高学金;高慧慧 -专利权人：北京工业大学
申请日： 2019-11-15 - 公布日： 2023-06-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于最大二次互信息准则回归的发酵过程质量变量预测方法。实际生产中，反映最终产品质量的关键质量变量通常难以在线测量。本发明针对发酵生产数据强非线性、非高斯性的特点，提出一种基于最大二次互信息准则的回归方法，实现对发酵过程关键质量变量的预测。与MPLS等基于二阶统计量的回归方法相比，本发明使用高阶统计量进行过程变量与关键质量变量之间的回归，挖掘过程变量与关键质量变量之间的非线性依赖关系，且本发明无需假设数据服从高斯分布。
基于最大二次互信准则回归发酵过程质量变量预测方法