“薛安荣”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20个，建议您升级VIP下载更多相关专利

[发明专利]一种面向自然语言处理的基于循环学习单元的HTM设计方法-CN202010115996.6有效
发明人：蔡涛;刘天泉;牛德姣;周时颉;薛安荣;何志刚;盘朝奉 -专利权人：江苏大学
申请日： 2020-02-25 - 公布日： 2023-09-29 - 主分类号： G06N3/044 文献下载
摘要：本发明公开了一种面向自然语言处理的基于循环学习单元的HTM设计方法，针对自然语言处理应用，在使用HTM分析自然语言时，提出使用面向自然语言处理的基于循环学习单元的HTM设计方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，实现对蕴含无规律时间跨度大关联的自然语言的更好的学习；通过循环学习单元的训练方法，使得循环学习单元能学习自然语言语料中包含的特性，实现HTM对蕴含无规律时间跨度大关联的自然语言更强的学习能力。本发明提高了HTM对蕴含无规律时间跨度大关联的自然语言的学习功能，从而保证了在处理蕴含无规律时间跨度大关联的自然语言时HTM的有效性和实用性。
一种面向自然语言处理基于循环学习单元 htm 设计方法

[发明专利]一种面向乘客流分析的基于循环学习单元的HTM设计方法-CN202010116343.X有效
发明人：牛德姣;刘天泉;蔡涛;周时颉;何志刚;薛安荣;盘朝奉 -专利权人：江苏大学
申请日： 2020-02-25 - 公布日： 2023-08-22 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种面向乘客流分析的基于循环学习单元的HTM设计方法，面向乘客流分析应用，在使用HTM分析乘客流时，提出使用面向乘客流分析的基于循环学习单时间池方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，加强HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能；通过循环学习单元的训练方法，使得循环学习单元能学习乘客流数据中包含的特性，实现HTM对同时蕴含时间跨度较短和较长规律的乘客流更强的学习能力。本发明提高了HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能，从而保证了在处理同时蕴含时间跨度较短和较长规律的乘客流时HTM的有效性和实用性。
一种面向客流分析基于循环学习单元 htm 设计方法

[发明专利]基于AdaBoost-CBP神经网络的电动汽车锂离子电池健康状态估算方法-CN201910814961.9有效
发明人： 薛安荣;陶陶;于彬鹏;杨婉琳;陈伟鹤;盘朝奉;蔡涛;何志刚;王丽梅 -专利权人：江苏大学
申请日： 2019-08-30 - 公布日： 2023-07-18 - 主分类号： G06N3/0499 文献下载
摘要：本发明提出了一种基于AdaBoost‑CBP神经网络的电动汽车锂离子电池健康状态估算方法。由于放电电压、放电电流、循环充放电次数在电池使用过程中变化趋势明显，本发明采用这三种参数作为SOH估算的输入数据，并将电池容量作为输出参数。由于电池数据存在噪音并呈现非线性变化特性，采用扩展卡尔曼滤波算法进行去噪。针对BP神经网络易陷入局部最优的问题，采用分数微积分理论对其梯度下降法进行优化。最后，将分数阶BP神经网络作为弱学习器，利用AdaBoost算法的自适应加强性能增强学习器的拟合能力，并将每轮弱学习器进行集成得到强学习器，以提高学习器的多样性，实现各学习器在不同工况数据下性能的优势互补，有效提高估算精度。
基于 adaboost cbp 神经网络电动汽车锂离子电池健康状态估算方法

[发明专利]基于LSTM-AE集成共享框架的风电机组异常数据检测及清洗方法-CN202111560423.5在审
发明人：张佳楠;薛安荣 -专利权人：江苏大学
申请日： 2021-12-20 - 公布日： 2022-04-15 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于LSTM‑AE集成共享框架的风电机组异常数据检测及清洗方法，对同一风电场中多个近邻风电机组的SCADA数据预处理获得多个拥有相同时间戳的原始时间序列；构建基于LSTM‑AE集成共享框架引入近邻机组间数据的相关性；通过叠加多机组的重构误差并引入共享隐藏状态作为惩罚项的损失函数进行多机组联合训练；将训练后的集成共享框架中的编码器Ei与解码器Di对应拆分并构建单个风电机组的LSTM‑AE模型，并进行异常数据检测输出误差序列；对误差序列进行多元高斯分布建模，通过AE网络构建误差的概率密度与重构值的期望函数；通过对比重构值的期望误差概率密度与实际误差的概率密度进行自适应阈值的异常判定并清洗；本方法提高整体风电场中风电机组模型的异常数据检测精度及清洗准确性。
基于 lstm ae 集成共享框架机组异常数据检测清洗方法

[发明专利]一种基于多人同时拣货的仓库最短路径优化方法-CN201811108726.1有效
发明人： 薛安荣;张宇 -专利权人：江苏大学
申请日： 2018-09-21 - 公布日： 2021-12-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于多人同时拣货的仓库最短路径优化方法。以基于多人同时拣货的最短拣货路径为优化目标，对仓库作业环境进行假设并建立数学模型，依据出库商品信息确定所需拣货人数；在遗传算法的遗传操作中引入分隔符的概念，结合基于累积概率改进的选择算子实现对算法的改进并求解目标函数，获得多人同时拣货的最优拣货路径集合；采用基于时间窗的拣货路径冲突消除策略对获得的路径集合进行规划，采取考虑优先级的等待策略消除路径冲突，获得每条路径的拣货时间；最后比较每条路径的拣货时间，选择用时最短的路径作为优化结果。本发明能提高仓库的拣货效率。
一种基于同时仓库路径优化方法

[发明专利]基于长短时记忆LSTM和粒子滤波PF的锂离子电池剩余使用寿命预测方法-CN201911368020.3有效
发明人： 薛安荣;于彬鹏;杨婉琳;陈伟鹤;蔡涛;盘朝奉;何志刚;李骁淳;王丽梅 -专利权人：江苏大学
申请日： 2019-12-26 - 公布日： 2021-12-21 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了基于长短时记忆LSTM和粒子滤波PF的锂离子电池剩余使用寿命预测方法，属于新能源电动汽车锂离子电池剩余使用寿命预测领域，具体步骤如下：分析从锂离子电池电压、电流和温度中提取锂离子电池性能退化特征参数，利用改进主成分分析法融合特征参数作为锂离子电池健康指数，充分表征锂离子电池性能退化特征且不含冗余信息；训练基于长短时记忆神经网络的锂离子电池容量预测模型预测锂离子电池容量，以LSTM预测模型的容量预测值作为粒子滤波预测模型的观测值，在粒子滤波算法的每一步迭代过程中调整更新容量预测值，比较容量预测值和容量失效阈值从而预测锂离子电池剩余使用寿命。本发明能有效监控和预测锂离子电池性能退化过程。
基于短时记忆 lstm 粒子滤波 pf 锂离子电池剩余使用寿命预测方法

[发明专利]一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法-CN201911365666.6有效
发明人： 薛安荣;杨婉琳;于彬鹏;陈伟鹤;蔡涛;盘朝奉;何志刚;李骁淳;王丽梅 -专利权人：江苏大学
申请日： 2019-12-26 - 公布日： 2021-11-23 - 主分类号： G01R31/392 文献下载
摘要：本发明所提出的一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法。针对电池测量数据存在缺失、异常和噪音的特点，根据变异系数采用改进粒子滤波算法处理或选择最小二乘法、均值替换法处理参数以使神经网络输入参数平稳，从而提高抗噪性。而GRNN算法应用于SOH估算具有估算精度高的优势，但因平滑因子人为设定存在其实验平均误差与方差不稳定局限。因此本发明利用QGA对GRNN的平滑因子进行优化以提高网络自适应性。进一步的，考虑到不同特征参数与容量的相关性存在差异的特点，本发明利用最优平滑因子与相关系数构建模式层的传递函数以提高GRNN的估算精度。实验结果表明，本发明所提出的算法能有效估算锂离子电池健康状态具有广阔的应用前景。
一种自适应 grnn 电动汽车锂离子电池健康状态估算方法

[发明专利]一种锂离子电池剩余寿命预测方法-CN201811352261.4有效
发明人：盘朝奉;陈瑶;王丽梅;何志刚;陈伟鹤;薛安荣;蔡涛 -专利权人：江苏大学
申请日： 2018-11-14 - 公布日： 2021-09-10 - 主分类号： G01R31/392 文献下载
摘要：本发明公开了一种锂离子电池剩余寿命预测方法，通过运用粒子滤波算法获得电池模型的状态参数变化数据，将数据导入指数平滑预测模型(ES)得到状态参数预测值，再带入观测方程得到容量的观测预测值，最后将观测预测值反馈给粒子滤波对电池剩余寿命(RUL)进行预测。本发明的ES‑PF预测模型，可以解决粒子滤波算法在预测阶段状态参数不能更新，导致预测误差随预测周期变长而变大的问题，有效提高粒子滤波算法的预测精度。
一种锂离子电池剩余寿命预测方法

[发明专利]一种基于多标签组合多分类器的恐怖行为预测方法-CN201611077149.5有效
发明人：夏欢欢;薛安荣;曹静 -专利权人：江苏大学
申请日： 2016-11-30 - 公布日： 2021-04-20 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于多标签组合多分类器的恐怖行为预测方法，以多标签决策树和随机游走模型为基分类器，将背景属性信息映射到不同的恐怖行为类别，训练预测模型；利用基分类器预测新数据属于各个恐怖类别的概率；最后将基分类器的输出结果采用加权组合概率函数进行融合，选择预测概率大于阈值的恐怖行为集合作为新数据的预测结果。本发明充分考虑恐怖行为背景数据存在的潜在联系以及单分类器预测精度低的问题，针对恐怖行为背景数据中存在大量不相关与冗余数据，基于邻域粗糙集进行特征选择；考虑同一时刻可能发生多种恐怖行为，并且背景属性、恐怖行为之间可能存在潜在联系，采用单一分类器无法准确地描述这些信息，本发明方法能提高预测精度。
一种基于标签组合分类恐怖行为预测方法

[发明专利]一种基于LSTM神经网络的电池组SOH估算方法-CN202010678378.2在审
发明人：何志刚;沈晓宇;盘朝奉;李尧太;魏涛;陶袁雪;梁军;王丽梅;薛安荣;蔡涛;陈伟鹤 -专利权人：江苏大学
申请日： 2020-07-15 - 公布日： 2020-11-24 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了一种基于LSTM神经网络的电池组SOH估算方法，首先采集实际运行一年以上的电动汽车的电池组充电数据，进行相关性分析，提取LSTM神经网络的输入特征；再利用SOC‑电量增益法计算电池组最大可用容量，作为LSTM神经网络的输出特征；构建LSTM神经网络模型，确定LSTM神经网络输出值；最后，利用训练并验证后的LSTM神经网络模型估算电池组SOH。本发明LSTM神经网络的输入特征和输出特征均由实际运行一年以上的电动汽车的电池组充电数据获取，适用于电动汽车全状态、全气候运行时的电池组SOH估算，克服基于实验室验证的估算方法难以适应复杂的实际工作环境的问题。
一种基于 lstm 神经网络电池组 soh 估算方法

[发明专利]一种基于随机游走和条件随机场的社会标签推荐方法-CN201810160496.7有效
发明人： 薛安荣;夏欢欢;曹静 -专利权人：江苏大学
申请日： 2018-02-27 - 公布日： 2020-06-09 - 主分类号： G06F16/9535 文献下载
摘要：本发明提出了一种基于随机游走和条件随机场的社会标签推荐方法，标签推荐数据经过数据抽取，抽取出用户标签、资源标签数据；利用基于随机游走的多标签分类算法预测资源可能被标记的标签概率，该过程有效利用资源本身具有的特征，降低了因用户标注导致的标签噪声的影响；以预测资源可能被标记的标签概率设计点特征函数，标签共现率、用户相似度设计边特征函数，构造条件随机场，获得用户为资源可能添加的标签，选择大于阈值的标签作为推荐标签，该过程有效利用用户、资源、标签三维关系，降低了因将社会标签推荐三维关系转化为二维关系造成的有效信息的损失。本发明提高了标签推荐的质量，帮助用户更好的查找和定位社会资源。
一种基于随机游走条件社会标签推荐方法

[发明专利]一种基于多属性关联的无线传感器网络异常事件检测方法-CN201610305541.4有效
发明人： 薛安荣;王孟頔 -专利权人：江苏大学
申请日： 2016-05-10 - 公布日： 2019-05-17 - 主分类号： H04W4/38 文献下载
摘要：本发明公开了一种基于多属性关联的无线传感器网络异常事件检测方法，属于数据挖掘中的异常检测技术，具体过程如下：基于贝叶斯网络建立非时空属性依赖关系模型，根据条件概率表计算属性关联置信度，反映待检测点与异常点在非时空属性的关联模式上的相似度。基于滑动窗口模型进行时间关联性检测，将同时满足时间关联性和异常事件属性关联模式的读数标记为暂时性异常点，协同邻居节点信息检测是否发生异常事件。此外，本发明通过Ritter’s最小包围圆算法计算出距离异常事件区域中心最近的异常节点，上传其异常信息，可以有效地减少数据传输量，降低传感器节点的能耗。本发明可应用于具有多个感测部件的无线传感器网络事件检测应用。
一种基于属性关联无线传感器网络异常事件检测方法

[发明专利]一种基于关键词的文献研究热点推荐方法-CN201611234922.4在审
发明人：曹静;薛安荣;夏欢欢 -专利权人：江苏大学
申请日： 2016-12-28 - 公布日： 2017-05-17 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于关键词的文献研究热点推荐方法，首先对数据进行预处理，每个关键词当作一个独立的热点，利用TF‑IDF对数据中的泛词进行过滤，合并同形异构关键词。为了充分挖掘热点间潜在的关系，以关键词作为节点将出现在同一文献中的关键词相连，计算两关键词间的Jaccard相似度作为网络的边权重，建立带权重关键词共现网络。针对文献热点研究中对用户感兴趣关键词缺乏针对性推荐问题，用社区划分方法将网络中关键词划分在不同的主题域中，当用户输入感兴趣关键词时自动将关键词映射到最有可能的主题域，在该领域中采用随机游走算法进行快速推荐。考虑到时间属性对推荐结果的影响，在随机游走算法加入时间权重，为用户生成相关的研究热点推荐列表。
一种基于关键词文献研究热点推荐方法

[发明专利]一种基于评分和用户行为的商品推荐方法-CN201610304794.X在审
发明人： 薛安荣;孙亚利 -专利权人：江苏大学
申请日： 2016-05-10 - 公布日： 2016-10-12 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了一种基于评分和用户行为的商品推荐方法，首先针对用户评分数据建立隐因子模型，对商品进行自动聚类，找出隐含的类别或者特征因子，用户兴趣分解成对多个隐含类别的喜爱程度，商品用包含这些隐含特征的权重表示，用户对商品的评分为两者的内积。然后为了解决评分数据稀疏问题，利用用户行为，引入负样本，提取特征，通过逻辑回归模型来估计用户对商品购买的可能性。最后将两者的候选集组合加权进行排序，将排名靠前的商品推荐给用户。该方法利用隐因子模型从单一的评分中发现用户多元化的兴趣，挖掘出商品多特征的信息，更加符合实际应用，引入负样本，使得用户兴趣区别性更大，推荐结果质量更高，更能满足用户的需求，可应用于商品推荐。
一种基于评分用户行为商品推荐方法

[发明专利]一种利用背景变化预测恐怖行为的方法-CN201610300731.7在审
发明人： 薛安荣;王孟頔;毛文渊 -专利权人：江苏大学
申请日： 2016-05-04 - 公布日： 2016-09-21 - 主分类号： G06Q50/26 文献下载
摘要：本发明公开了一种利用背景变化预测恐怖行为的方法，主要步骤为：变化表的生成、使用贝叶斯方法预测行为。在生成h‑变化表时，将当前时刻的背景变化与h周期之后的行为变化结合，形成变化表中的一项纪录。预测时，在输入背景变化向量的前提下，贝叶斯方法从变化表中计算最大概率的分类结果，从而预测h周期的之后的行为。考虑到背景的变化可能会在时间序列上对组织行为产生持续的影响，因此建立加权贝叶斯模型。模型实现在时间滞差分别为1到H的情况下，计算在不同变化表中各种行为的概率，最后加权计算各种行为的概率。本发明为了能根据任意背景变化预测恐怖行为，利用贝叶斯方法可快速有效解决高维小样本分类问题的特性，提高了预测的精度。
一种利用背景变化预测恐怖行为方法

1
2
下一页»
尾页
共 20 条