“潘广源”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于PConv-YOLOv7的路面病害检测方法-CN202310840520.2在审
发明人： 潘广源;白志远;崔亚巍;魏浩 -专利权人：临沂大学
申请日： 2023-07-10 - 公布日： 2023-10-24 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于PConv‑YOLOv7的路面病害检测方法，包括以下步骤：采集路面图像，建立目标数据集；构建PConv‑YOLOv7模型；利用目标数据集，对PConv‑YOLOv7模型进行训练并评估；使用评估完成的PConv‑YOLOv7模型进行路面病害检测。本发明使用PConv层对常规3×1卷积层进行替换，同时使用Focal EIOU损失函数替换了CIOU损失函数，不仅提高了识别效果，还减少了模型复杂度，提高了检测速度，能够快速的应对大规模的目标检测任务，并且具有更强的泛化能力和更高的鲁棒性，对路面病害的识别具有更高的准确性，对防止重大事故发生，降低经济及生命财产损失，有重要作用。
一种基于 pconv yolov7 路面病害检测方法

[发明专利]基于模糊自适应PID控制的制革转鼓控制系统及方法-CN202310680997.9在审
发明人：张安彩;赵辉;潘广源;梁笑;吴英华;樊鲁 -专利权人：临沂大学
申请日： 2023-06-08 - 公布日： 2023-08-29 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于模糊自适应PID控制的制革转鼓控制系统及方法，该系统包括制革转鼓、供水装置、制革助剂添加装置、制革转鼓运动控制装置、PID控制器、下位机和上位机；制革转鼓上设有温度变送器和pH值变送器，温度变送器和pH值变送器与下位机电连接，下位机与上位机电连接；下位机与PID控制器电连接，PID控制器包括与供水装置中供水调节三通混合控制阀电连接的制革转鼓温度模糊PID控制器，以及与制革助剂添加装置中制革助剂添加控制阀电连接的制革转鼓pH值模糊PID控制器。本发明采用参数自整定模糊PID控制算法控制制革转鼓鼓内温度和pH值，实现在线判断制革转鼓的运行状态并保持鼓内温度和pH值的精确性。
基于模糊自适应 pid 控制制革控制系统方法

[发明专利]一种基于RF-BP-RF模型的轨道列车事故预测方法-CN202310521768.2在审
发明人： 潘广源;吴修强;方恒一;魏浩 -专利权人：临沂大学
申请日： 2023-05-10 - 公布日： 2023-08-04 - 主分类号： G06Q10/0635 文献下载
摘要：本发明提供了一种基于RF‑BP‑RF模型的轨道列车事故预测方法，包括：获取轨道列车事故数据，建立轨道列车事故样本数据集；采用训练集对第一随机森林模型进行训练，采用训练后的第一随机森林模型对样本数据集进行特征筛选，获取事故数据特征的重要性排序；采用训练集训练BP神经网络，将特征筛选后的列车事故数据输入训练后的BP神经网络，输出事故风险类别；采用训练后的BP神经网络对输入数据进行特征提取，构建新训练集和新测试集；采用新训练集训练第二随机森林模型，采用新的测试集对第二随机森林模型进行测试；对第二随机森林模型进行验证，预测事故风险类别。本发明采用RF‑BP‑RF模型，可以有效避免过拟合的现象，提高预测准确性和稳定性。
一种基于 rf bp 模型轨道列车事故预测方法

[发明专利]基于深度信念网络黑箱可视化技术的交通特征分析方法-CN202010654064.9在审
发明人：陈启丽;潘广源 -专利权人：北京信息科技大学;深圳市盖瑞智慧科技有限公司
申请日： 2020-07-09 - 公布日： 2020-12-01 - 主分类号： G06N3/04 文献下载
摘要：本发明提供基于深度信念网络黑箱可视化技术的交通特征分析方法，有效实现对交通要素的重要性分析，提高交通事故的预测精度。具体步骤为：针对深度信念网络的训练特性，设计基于权值可视化技术，提出无监督训练阶段的特征重要性公式，实现对输入层每个神经元的潜在贡献进行分析；然后，设计有监督训练的权值敏感度分析方法，提出有监督训练阶段的特征重要性公式；最后，通过将前两个公式进行结合，提出深度信念网的全局特征重要性公式，该公式可实现对高速公路六个主要参数的重要性分析。在实际操作时，使用此技术可以剔除对交通事故预测有负向作用的影响因素，强化对交通事故有重要作用的影响因素，为市政部门的决策提供有力支持。
基于深度信念网络黑箱可视化技术交通特征分析方法

[发明专利]基于贝叶斯正则化的深度学习网络图像识别方法-CN201410266127.8有效
发明人：乔俊飞;潘广源;韩红桂;柴伟 -专利权人：北京工业大学
申请日： 2014-06-15 - 公布日： 2017-06-20 - 主分类号： G06K9/62 文献下载
摘要：基于贝叶斯正则化的深度学习网络图像识别方法属于人工智能和机器学习领域。深度信念网络越来越多的在数字检测及图像识别领域发挥重要作用。为了解决该网络在训练过程中的过拟合问题，本文基于网络的稀疏特性及连接权值的变化，提出一种基于贝叶斯正则化的深度信念网。通过将贝叶斯正则化应用到网络训练过程中，有效地调节误差减小与权值增大之间的平衡。本文使用数字手写体数据库的分类实验来证明该改进算法的有效性。实验结果表明在深度信念网中，该方法能够有效克服过拟合现象，提高数字识别的正确率。
基于贝叶斯正则深度学习网络图像识别方法