[发明专利]一种基于车致时程响应模态分解的桥梁影响线识别方法在审
| 申请号： | 202310275682.6 | 申请日： | 2023-03-16 |
| 公开（公告）号： | CN116561537A | 公开（公告）日： | 2023-08-08 |
| 发明（设计）人： | 周宇;贺文宇;孙文卓;李舒;付明;吴德义;陈东;李宁波;石英迪;尚稳齐 | 申请（专利权）人： | 安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院 |
| 主分类号： | G06F18/21 | 分类号： | G06F18/21;G06F17/10;G06F17/16 |
| 代理公司： | 合肥昊晟德专利代理事务所(普通合伙) 34153 | 代理人： | 何梓秋 |
| 地址： | 230000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于车致时程响应模态分解的桥梁影响线识别方法，属于影响线识别技术领域，包括以下步骤：S1：响应预处理；S2：模型构建及优化；S3：影响线识别。本发明通过提取桥梁中跨跨中挠度、应变时程响应，提出采用变分模态分解来剥离桥梁时程响应中的结构动力成分，从而获得桥梁准静态时程响应；进而根据车辆轴距和采样频率构建车辆信息矩阵，基于Tikhonov正则化方法求解桥梁影响线识别模型中的病态方程，识别出桥梁结构挠度、应变影响线。 | ||
| 搜索关键词： | 一种 基于 车致时程 响应 分解 桥梁 影响 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院，未经安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310275682.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 祛斑化妆品的祛斑效果评价方法、装置、设备及存储介质-202310956121.2
- 刘山;熊阳;黄晓红;黄永昌;刘广玉;向文浩;尹全尹 - 广州雅纯化妆品制造有限公司;雅纯（广州）生物技术有限公司
- 2023-07-31 - 2023-10-27 - G06F18/21
- 本申请提出了一种祛斑化妆品的祛斑效果评价方法、装置、设备及存储介质，该方法包括：获取祛斑化妆品的N个祛斑评价指标，N为大于1的整数；对N个祛斑评价指标进行权重分配，得到N个祛斑评价指标对应的权重系数；获取标准祛斑化妆品的预设黑色素减少指数MDF；基于N个祛斑评价指标及其对应的权重系数和预设MDF，确定祛斑化妆品的祛斑评价指数；基于祛斑评价指数，对祛斑化妆品的祛斑效果进行评价，得到评价结果。本申请可以达到量化祛斑化妆品的祛斑效果的目的以及统一祛斑效果的评价标准，能够针对祛斑化妆品的祛斑效果给出客观且可信度较高的评价。
- 基于深度学习的家庭用电负荷辨识方法-202310925916.7
- 郭家虎;刘思远 - 安徽华昇能源互联网研究院有限公司
- 2023-07-26 - 2023-10-27 - G06F18/21
- 本发明公开了基于深度学习的家庭用电负荷辨识方法，涉及非侵入式负荷监测技术领域；步骤一：将去噪自编码器中的重构误差修改为交叉熵；步骤二：将改进后的去噪自编码器模型中全部的全连接层替换为卷积层，获取全卷积分类自编码器模型；步骤三：引入多种特征融合的方式，获取FCN‑CAE负荷辨识模型；步骤四：将电流采样波形输入至FCN‑CAE负荷辨识模型中，获取电器种类；改进后的全卷积分类自编码器模型面对实际的家用电器辨识时具有更好的适应性，辨识性能更为优越；相比于传统机器学习的分类算法，基于深度学习的非侵入式负荷辨识模型，可以从数据中自动提取特征无需手动提取，计算和表达能力更为出色，有效地提高了准确性和实用性。
- 一种综合聚类算法的谐波分区溯源方法-202310786038.5
- 王顺江;王铎;左越;赵军;王兴财;栗鹏辉;于常乐;张硕;张博;句荣宾;寿曾;金宜放;许睿超;狄跃斌;眭冰;凌兆伟;刘佳明;张天一;宋清洋;石鑫;郑璐;刘爽;郭凯 - 国网辽宁省电力有限公司葫芦岛供电公司;国网辽宁省电力有限公司;国家电网有限公司
- 2023-06-29 - 2023-10-27 - G06F18/21
- 本发明提供了一种综合聚类算法的谐波分区溯源方法。首先，利用离散小波变换(DWT)对谐波数据进行分解重构，提出局部高频DWT方法进行降噪，减少后续计算的复杂度；其次，采用kmeans聚类方法对谐波进行分区；再次，应用最长公共子序列(LCSS)方法解决谐波分区中存在的时移问题；最后，根据各采样点功率方向不同确定谐波来源。本发明相比传统的谐波聚类溯源方法，无论是准确度还是在抗非主导谐波源干扰能力都具有一定优越性，并且更适用于复杂大电网下的谐波分区溯源工作。
- 基于深度学习和北斗定位的地震地表形变分析方法及装置-202311213403.X
- 王铎;王宇翔;赵宁;唐婷婷;任亚平;管占磊;王驰;张德志;陈桂敏;田先才;黄雅琼 - 航天宏图信息技术股份有限公司
- 2023-09-20 - 2023-10-27 - G06F18/21
- 本发明提供了一种基于深度学习和北斗定位的地震地表形变分析方法及装置，涉及地震地表形变数据分析技术领域，包括：获取目标区域内每个北斗地震台站的原始观测数据，并构建待处理坐标时间序列；通过第一神经网络模型，对待处理坐标时间序列进行粗差剔除处理和缺失值插补处理得到目标坐标时间序列；基于目标坐标时间序列拟合预先构建的北斗地震台站速度计算模型的参数值；利用每个北斗地震台站的速度结果和台站特征信息对第二神经网络进行训练，以得到地表形变分析模型。本发明可以实现粗差剔除和缺失值插补的自动化处理，还可以利用训练得到的地表形变分析模型实现预测速度结果的高效拟合解算，具备高效便利、易于实现、自动化程度高、实用性强等特点。
- 多分类模型性能评估方法、装置、计算机设备及存储介质-202310960542.2
- 高先周;黄秀丽;许道强;邹云峰;何阳;赵磊;梁飞;翟雨佳;杨如侠 - 国网智能电网研究院有限公司;国网江苏省电力有限公司营销服务中心;国网江苏省电力有限公司;国家电网有限公司
- 2023-08-01 - 2023-10-27 - G06F18/21
- 本发明涉及电力数据安全技术领域，公开了一种多分类模型性能评估方法、装置、计算机设备及存储介质，方法包括：获取数据集以及多分类模型对数据集的分类结果；根据数据集以及多分类模型对数据集的分类结果计算任一类样本对应的预测概率分布以及真实概率分布；根据任一类样本的预测概率分布与任一类样本的真实概率分布之间的相似程度计算任一类的类别确信度；根据任一类的类别确信度与多边形面积的乘积计算任一类的分类性能多边形面积；根据多个类对应的分类性能多边形面积和数据集真实类别概率分布的余弦相似度对多分类模型性能进行评估。解决了相关技术中存在的分类模型性能评估准确性受数据集类别分布影响的问题。
- 一种人工反馈强化学习优化文本生成图像模型的方法及系统-202310938023.6
- 黄君豪;毛瑞琛;向宗元;陈群;杨纲 - 之江实验室
- 2023-07-28 - 2023-10-27 - G06F18/21
- 一种人工反馈强化学习优化文本生成图像模型的方法及系统，其方法包括：1)准备一个用于文本生成图片的text2image初始模型和用于对文本图片对进行打分的reward初始模型；2)用步骤1)的生成模型生成文本对应的图像并进行人工标注，包括在线标注和离线标注两种方式；3)基于步骤2)得到的人工标注的文本‑图像数据集，以reward初始模型为预训练模型训练一个能对文本图片匹配度打分的reward模型；4)基于步骤3)训练好的reward模型，并准备好训练用的输入文本数据集，采用人工反馈强化学习方法对text2image初始模型进行微调。本发明通过人工对原模型生成的数据进行标注，再利用标注好的数据微调原模型，来纠正以上问题，使得模型的生成结果更符合语义信息。
- 一种变形抗力自学习系数诊断方法、装置、设备和介质-202311095971.4
- 董立杰;张彦;李金保;张文健;刘志蕾;孙彩云;李旭东;姬凤川;唐婧;王海玉 - 首钢股份公司迁安钢铁公司;北京首钢股份有限公司;首钢集团有限公司
- 2023-08-29 - 2023-10-27 - G06F18/21
- 本发明公开了一种变形抗力自学习系数诊断方法、装置、设备和介质，包括：获取待诊断的变形抗力自学习系数表；从变形抗力自学习系数表中确定N个变形抗力自学习系数，将N个变形抗力自学习系数分别作为目标变形抗力自学习系数，并执行以下步骤：确定与目标变形抗力自学习系数相邻的M个变形抗力自学习系数；确定目标变形抗力自学习系数与各个参考变形抗力自学习系数之间的差异值，并根据各个差异值与预设阈值之间的关系，确定目标变形抗力自学习系数是否处于异常状态。本实施例能够对目标变形抗力自学习系数的状态进行标记，以供专业人员能够快速确定需要修正的异常变形抗力自学习系数，提高变形抗力自学习系数表的诊断效率和准确度。
- 推理解释系统的性能评测方法、装置、设备及存储介质-202310444876.4
- 黄殷雅;张洪铭;洪锐鑫;梁小丹;张长水;俞栋 - 腾讯科技（深圳）有限公司
- 2023-04-14 - 2023-10-27 - G06F18/21
- 本申请公开了一种推理解释系统的性能评测方法、装置、设备及存储介质，属于人工智能技术领域。所述方法包括：获取至少一个推理样本数据；获取至少一个推理样本数据分别对应的参考逻辑推理信息；通过推理解释系统对至少一个推理样本数据分别进行预测，得到至少一个推理样本数据分别对应的预测逻辑推理信息；基于至少一个推理样本数据分别对应的预测逻辑推理信息和参考逻辑推理信息，确定推理解释系统在多个推理维度的推理准确程度。本申请实施例实现了有效评测推理解释系统的推理能力，并且充分考虑到真实场景推理中影响推理解释过程的多种因素，构造了多维度、细粒度的推理解释评测框架，有助于更加准确地评测推理解释系统的推理能力。
- 结合数据分布和图分析的深度学习测试样本排序方法-202310504903.2
- 罗森林;吴肖龙;潘丽敏;王若辉;夏志豪;陆永鑫 - 北京理工大学
- 2023-05-06 - 2023-10-24 - G06F18/21
- 本发明涉及结合数据分布和图分析的深度学习测试样本排序方法，属于计算机与信息科学领域。本发明首先利用变分自编码器计算样本的LR评分，过滤不符合模型任务的样本；其次将模型各隐藏层分别全连接输出层生成子模型，根据样本在各子模型中的预测概率生成转移矩阵；然后捕获模型神经元激活值，按顺序排列构建神经元激活图并提取其邻接矩阵；最后拼接转移矩阵和邻接矩阵训练XGBoost和LightGBM模型，并几何加权两种模型对样本的输出，作为测试样本得分指导样本排序。本发明提出一种结合数据分布和图分析的方法，改善了现有深度学习测试样本排序方法缺少对样本符合模型任务的过滤机制和缺少对模型参数的充分利用的问题，提升了测试样本检测模型错误的效率。
- 多物体定位与识别系统-202320745341.6
- 万源;周丹;张明宇 - 深圳中科讯联科技股份有限公司
- 2023-03-31 - 2023-10-24 - G06F18/21
- 本实用新型涉及电子射频识别技术领域，具体涉及一种多物体定位与识别系统，包括：主控制器、识别模块、模拟开关及至少两路天线，所述主控制器分别连接所述识别模块和所述模拟开关，所述模拟开关分别连接所述识别模块和所述至少两路天线；所述主控制器输出时序信号至所述模拟开关，通过所述模拟开关控制所述至少两路天线中的天线根据所述时序信号分别接通；当所述至少两路天线中的一路天线接通时，所述识别模块识别连通的天线对应的标签信息，并将所述标签信息发送至所述主控制器。本实用新型通过增加模拟开关以利用轮询机制实现了单识别器驱动多路天线对多物体进行识别及定位，降低了识别成本的同时提高了物体识别效率，且适用性广泛。
- 错例驱动的数据识别方法、装置和设备-202310946707.0
- 李常宝;顾平莉;王书龙;袁媛;贾贺;李茜;潘爽;尹发 - 中国电子科技集团公司第十五研究所
- 2023-07-28 - 2023-10-20 - G06F18/21
- 本说明书实施例公开了一种错例驱动的数据识别方法、装置和设备。数据识别方法包括：从错例‑正例集合中的每一个错例‑正例组合对中，选取待操作记录；对所述待操作记录进行用户行为操作，以更新选取的未标记记录的用户行为状态及新数据集，获得更新的用户行为状态及更新的新数据集；若所述更新的新数据集中的用户状态记录中的错例数满足预设条件，则基于原数据集及所述更新的新数据集构建学习样本集对原模型进行重训获得新模型，对所述新模型及所述原模型进行评估，获得新模型准确率及原模型准确率；基于所述新模型准确率与所述原模型准确率，确定上线模型；基于所述上线模型，对待识别数据进行识别，获得数据识别结果。
- 一种基于神经网络的系统辨识方法-202310800583.5
- 詹家干;承孝敏;陆小松;王超华;徐徐;王松华;邢凯;陈剑;梁伟;刘俊峰;杨华 - 安徽海螺信息技术工程有限责任公司;长三角信息智能创新研究院
- 2023-06-30 - 2023-10-20 - G06F18/21
- 本发明属于工业控制技术领域，公开了一种基于神经网络的系统辨识方法，包括下列步骤：步骤一、神经网络构建，建立了一种用于系统辨识的新型前向网络模型，包括输入层、隐含层和输出层，整个网络中所有神经元的阈值全部取0；步骤二、模型辨识，基于之前构建的新型前向网络模型完成辨识模型用于系统辨识。本发明本发明通过对原始数据进行阶跃检测并进行系统辨识，将系统的输入数据和状态空间的输出数据融合，提升了特征融合的性能；本方法充分考虑误差和非线性问题，促进系统上线后稳定运行。本发明基于矩阵伪逆思想，可一次计算得到理论控制量，计算时间在0.01s左右，能够达到工业控制在线辨识的快速性要求。
- 基于复杂网络的海上无人系统生存能力的评估方法和装置-202310850391.5
- 刘依林;沈俊;宗昆;李海旭;李熠;刘戈 - 中国船舶集团有限公司系统工程研究院
- 2023-07-12 - 2023-10-20 - G06F18/21
- 本发明提供一种基于复杂网络的海上无人系统生存能力的评估方法和装置。该方法包括：A，判断当前j层系统的生存态势图中是否所有典型生存模型A
- 一种系统状态监测方法、装置、电子设备及可读存储介质-202310879815.0
- 俞文翰;何家俊;潘凡;闫国杨;楼阳冰;倪军 - 杭州安脉盛智能技术有限公司
- 2023-07-18 - 2023-10-20 - G06F18/21
- 本申请公开了一种系统状态监测方法，包括：对目标系统进行数据采集，获得系统数据；按照数据类型对所述系统数据进行划分，获得各系统数据组；对于每一所述系统数据组，利用所述数据类型对应的分类器对所述系统数据组进行识别，确定所述系统数据组的组状态；利用各所述组状态生成系统状态；利用系统状态库对所述系统状态进行识别，确定系统状态监测结果。应用本申请所提供的技术方案，可以实现更为简洁且准确的系统状态监测，保证系统的正常运行。本申请还公开了一种系统状态监测装置、电子设备以及计算机可读存储介质，同样具有上述技术效果。
- 一种黑名单识别系统、方法、设备及介质-202310923234.2
- 薛峰涛;李悦;邓何;唐伟程;陈静 - 重庆银行股份有限公司
- 2023-07-25 - 2023-10-20 - G06F18/21
- 本发明公开了一种黑名单识别系统、方法、设备及介质。黑名单识别系统，包括：客户信息采集模块、内部参与方隐私计算节点以及外部参与方隐私计算节点；客户信息采集模块，用于获取至少一个业务系统上传的客户提交数据，并将客户提交数据，传输至内部参与方隐私计算节点；内部参与方隐私计算节点，用于利用客户提交数据与至少一个外部参与方隐私计算节点进行数据加密对齐，以及特征数据筛选，并确定模型联合计算内部参数；根据模型联合计算内部参数以及至少一个外部参与方隐私计算节点发送的外部节点反馈数据，确定黑名单评估结果。本发明实施例的技术方案能够在安全使用个人信息的前提下，不依赖于现有黑名单对客户提交数据进行黑名单风险评估。
- 一种应用多模态人工智能的方法与装置-202310321293.2
- 请求不公布姓名 - 北京鹅厂科技有限公司
- 2023-03-29 - 2023-10-20 - G06F18/21
- 一种应用多模态人工智能的方法与装置。多模态大模型人工智能已成为社会生产力革命中的重要突破，例如OpenAI推出的GPT4.0大模型，正在扩展其多重信息交互方式，涵盖文字、语音、图片、视频等多种形式。这些强大的模型将在未来不断发展和增强。如何快速应用这些模型的能力，进一步提升社会生产力，已经成为不同领域研究的重要方向。大模型的主要目的是通过使用一个统一的模型来处理不同的任务，因此在应用领域中，开发更加通用的方法，以利用多模态大模型的特点和能力，将成为非常有价值的工作。人类在电子设备中获取信息，最重要的方式就是通过显示设备。这些显示设备，使各种系统越来越适应人类的习惯。如果人工智能可以从显示设备中获取同人类一样的海量信息，将极大丰富人工智能的应用领域，并且能够更加减轻人类的工作。
- 模型的优化训练系统、方法以及相关装置-202310809243.9
- 肖锡尧;郑叔亮;李文珏 - 北京聆心智能科技有限公司
- 2023-07-04 - 2023-10-20 - G06F18/21
- 本申请实施例提供了一种模型的优化训练系统、方法以及相关装置。该系统中，数据采集模块基于数据采集配置获取多模态数据；数据评估模块基于为不同模态数据匹配的模型评估标准配置，确定多模态数据与大语言模型之间的匹配程度得到数据质量评估报告；模型训练模块根据数据质量评估报告，调整大语言模型的模型结构和/或训练超参数，生成模型训练需求信息；模型训练反馈模块基于模型训练需求信息，在数据采集配置中添加针对多模态数据的采集调整方式。该系统不仅以多模态数据替代单一的语言文本数据，突破传统模型的性能限制，还建立模型训练需求与训练数据采集方式之间的动态反馈，提升训练数据与模型训练需求的匹配程度，优化模型训练效果。
- 目标跟踪模型的参数确定方法、装置及存储介质-201811518099.9
- 夏斯军;黄洋文;邝宏武 - 杭州海康威视数字技术股份有限公司
- 2018-12-12 - 2023-10-20 - G06F18/21
- 本发明公开了一种目标跟踪模型的参数确定方法、装置及存储介质，属于数据处理技术领域。该方法包括：获取目标跟踪模型中的目标参数的多组预设参数值，每组预设参数值包括目标参数对应的一个预设参数值；基于每组预设参数值，分别对目标跟踪模型进行性能评估，得到多个第一性能评估值；根据多个第一性能评估值，确定目标参数对应的目标参数值。本发明可以自动确定目标参数对应的目标参数值，如此，避免需要由技术人员来确定，提高了操作便捷性，从而提高了参数确定效率。并且，由于目标参数的目标参数值是基于对目标跟踪模型的性能评估结果来确定的，因此，相比于人工确定来说更为合适，可以使得目标跟踪模型的性能更好。
- 一种融合集成模型准确度评估方法、装置、设备及介质-202310833577.X
- 蔡逆水 - 中国电信股份有限公司技术创新中心;中国电信股份有限公司
- 2023-07-07 - 2023-10-17 - G06F18/21
- 本申请公开了一种融合集成模型准确度评估方法、装置、设备及介质，用以快捷地对融合集成模型的准确度进行评估。由于本申请可以基于融合集成模型中包含的各子模型的运行顺序信息，将各子模型划分为至少一个子模型组；其中，针对每个子模型组，该子模型组中包含并行运行的至少两个子模型、或者包含串行运行的至少两个子模型、或者只包含一个子模型；基于获得的每个子模型组中包含的子模型的准确度、以及每个子模型组中子模型的运行顺序类型对应的子模型准确度选择算法，确定每个子模型组的准确度；基于每个子模型组的准确度，确定融合集成模型的准确度，基于此，可以实现快捷地对融合集成模型的准确度进行评估的目的。
- 一种低空无人机集群搜捕效能评估方法-202310645397.9
- 弯港;于楠;董斌 - 中国电子科技集团公司第二十八研究所
- 2023-06-02 - 2023-10-17 - G06F18/21
- 本发明提供了一种低空无人机集群搜捕效能评估方法，包括：步骤1、建立基于指控链路的集群无人机搜捕评估体系；步骤2、制定集群无人机搜捕效能评估标准；步骤3、计算低空无人机集群搜捕系统效能，分析各评估标准对集群无人机搜捕效能的影响。本方法通过建立一种搜捕指控链路网络模型，将无人机系统划分为四个部分并分别赋予任务类别：侦测、指挥、抓捕和通信。四个部分的无人机组组成捕获组网，进行搜捕任务。通过无人机的性能依次判断该系统实际的捕获效能、侦测能力、捕获能力、捕获综合能力，从而获得其综合效能。本发明给出了一项无人机集群搜捕工作评判准则，有助于评估无人机的工作效率及其贡献度。
- 一种故障确定方法、装置、设备及存储介质-202310732904.2
- 李新春;杨龙;李天辉 - 杭州和利时自动化有限公司
- 2023-06-20 - 2023-10-13 - G06F18/21
- 本申请公开了一种故障确定方法、装置、设备及存储介质，涉及故障识别领域，包括：对原始信号进行预处理操作得到预处理信息，并针对所述预处理信息执行预设特征提取操作，以得到特征数据；将所述特征数据输入至故障确定系统进行故障检测，以得到当前故障信息；将所述当前故障信息输入至人工故障评测接口，以便根据人工评测结果确定所述原始信号对应的目标故障。本申请通过故障确定系统进行故障检测，得到检测结果后将检测结果输入至人工故障评测接口进行二次评测，根据人工评测结果确定所述原始信号对应的目标故障，并将专家故障识别系统、AI故障识别系统及人工故障识别系统相融合，通过多次对故障识别的判断，提高了故障识别的准确度。
- 一种多传感器融合的双足步态识别系统及方法-202310854049.2
- 颜延;冯鹤云;熊璟;周树民;王磊;刘语诗 - 中国科学院深圳先进技术研究院
- 2023-07-12 - 2023-10-13 - G06F18/21
- 本发明涉及人体运动姿态识别领域，具体涉及一种多传感器融合的双足步态识别系统及方法。系统包括：通过训练的到对应的步态深度学习LSTM神经网络模型，并将深度学习LSTM神经网络模型保存到计算机。使用本申请的双足步态识别系统采集到人体的运动信息或数据传入训练好的深度学习LSTM神经网络模型当中，对使用者当前的运动状态进行识别。本申请系统通过与人体直接接触采集人体运动信息，采集运动信息方便且准确，便于携带，适用于大部分运动场景，有广阔的发展前景。
- 一种离子电推进关键质量特性的识别及包络分析方法及装置-202310868100.5
- 李婧;贾艳辉;耿海;吴辰宸;王紫桐;杨俊泰;陈浩;蒲彦旭;贺亚强 - 兰州空间技术物理研究所
- 2023-07-14 - 2023-10-13 - G06F18/21
- 本申请涉及一种离子电推进关键质量特性的识别及包络分析方法及装置。其中，所述方法包括：采集离子电推进质量特性的质量数据；根据所述质量数据，建立所述离子电推进质量特性的原始特性数据集；根据所述原始特性数据集和K‑split‑Lasso算法，得到所述离子电推进质量特性的原始关键质量特性集；根据所述原始关键质量特性集和当前关键质量特性，构建所述离子电推进质量特性的关键质量特性包络模型；根据所述关键质量特性包络模型和z折交叉验证方法，得到所述离子电推进质量特性的交叉验证结果。本申请解决了现有技术中离子电推进关键质量特性识别不确定性强、精细化包络分析和判别调控困难的问题。
- 一种用于桥梁健康监测数据异常检测的训练方法及装置-202211599237.7
- 张艳红;侯芸;姜宏维;仝鑫隆;董元帅;李宇轩;戴建华;孙天成;王跃山;杨松;杨思宇 - 中国公路工程咨询集团有限公司;中咨公路养护检测技术有限公司;中咨数据有限公司
- 2022-12-12 - 2023-10-13 - G06F18/21
- 本发明提供一种用于桥梁健康监测数据异常检测的训练方法及装置，方法包括：获取不同领域多个类别的时间序列监测数据样本集和多个待训练的教师网络，按类别输入对应的每个待训练的教师网络中进行训练直至收敛完成教师网络训练；获取桥梁健康监测数据样本集和待训练的学生网络，分别输入已训练好的多个教师网络和待训练的学生网络，利用已训练好的多个教师网络对待训练的学生网络进行知识蒸馏训练直至收敛完成学生网络训练；利用已训练好的学生网络对待检测的桥梁健康监测数据进行异常预测。本发明解决了因现有技术中桥梁监测异常数据集存在无标注和正例样本不足问题，而导致现有神经网络模型无法对目标桥梁健康监测数据进行异常检测的问题。
- 数据处理装置、方法、电子设备和存储介质-202310842042.9
- 郑临风;李宇鹏;杨振宇;韩志华;欧阳剑 - 昆仑芯（北京）科技有限公司
- 2023-07-10 - 2023-10-10 - G06F18/21
- 本公开提供了一种数据处理装置，涉及人工智能技术领域，尤其涉及芯片技术领域和数据量化技术领域。该装置包括：存储单元，配置为存储与待执行操作相关的至少一个待处理数据；处理单元，配置为：读取至少一个待处理数据；按照初始量化策略，对至少一个待处理数据进行量化，得到至少一个量化数据，其中，量化数据包括至少一个定点数值；根据至少一个量化数据和至少一个待处理数据，分别执行待执行操作，得到量化结果和原始结果；根据量化结果和原始结果，确定噪声值；根据噪声值和原始结果，确定信噪比；以及根据信噪比，确定初始量化策略的评估结果。本公开还提供了一种数据处理方法、电子设备和存储介质。
- 一种供电台区画像生成方法、装置、设备及可读存储介质-202310947571.5
- 张静;张文;陈雁;闫富荣;万泉;欧阳红;张紫淇;杨淼 - 北京中电普华信息技术有限公司
- 2023-07-31 - 2023-10-10 - G06F18/21
- 本申请公开了一种供电台区画像生成方法、装置、设备及可读存储介质，涉及数据处理技术领域，其中一种供电台区画像生成方法包括：获取供电台区的动态属性数据；根据曼－肯德尔法对所述动态属性数据进行检验，得到所述动态属性数据的动态特征标签；根据所述动态特征标签构建所述供电台区的画像。可见，本申请通过曼－肯德尔法对动态属性数据进行检验来获取动态特征标签，并基于动态特征标签构建供电台区的画像，能够使得构建出的供电台区画像能够更加全面地描述供电台区的动态变化特征，从而提高构建出的供电台区画像的准确度。
- 一种基于无监督学习的实体卡异常绑卡报警的方法-202010903192.2
- 王巍;韩笑跃;陈品竹;刘俊旺 - 多点（深圳）数字科技有限公司
- 2020-09-01 - 2023-10-10 - G06F18/21
- 本发明公开了一种基于无监督学习的实体卡异常绑卡报警的方法，包括(1)业务处理，(2)数据处理以及(3)建模和报警三步；且上述步骤由异常绑卡报警系统完成，该异常绑卡报警系统由业务处理系统，数据处理系统以及建模和报警系统组成。本发明提供一种基于无监督学习的实体卡异常绑卡报警的方法，通过该方法使得系统可以通过无监督学习，并自动发现实体卡异常绑卡行为以便于及时处理，极大的提高了安全性，能够很好的避免商家以及用户的风险，更好的促进了商家的发展。
- 一种算法检测方法、计算机设备及可读存储介质-202310803843.4
- 徐崇超;时光明 - 浙江零跑科技股份有限公司
- 2023-06-30 - 2023-10-03 - G06F18/21
- 本发明公开了一种算法检测方法、计算机设备及可读存储介质，涉及自动驾驶技术领域，用于检测带有自动驾驶功能的车辆的感知系统的算法，包括如下步骤：分别获取视觉传感器、激光雷达和毫米波雷达的感知目标的数据，并进行融合处理，形成融合目标、视觉航迹以及激光雷达航迹；对每一帧感知目标计算视觉航迹的目标框与融合目标的目标框之间的交并比和激光雷达航迹的目标框和融合目标的目标框之间交并比；对感知目标进行过滤，对过滤后得到的感知目标对应的两个交并比进行统计计算；根据统计计算的结果获取检测结果。本发明可判断出车辆感知系统的算法对其上下游的影响。
- 自适应的时频支持的调频信号分解方法与系统-202310869527.7
- 覃程锦;石岗;刘成良;陶建峰 - 上海交通大学
- 2023-07-14 - 2023-10-03 - G06F18/21
- 本发明提供一种自适应的时频支持的调频信号分解方法与系统，包括：计算信号的参数化时频变换。从信号的参数化时频变换的时频表示中提取能量最大的子信号的粗糙的瞬时频率脊度曲线。将提取的该子信号的瞬时频率曲线作为信号分解的初始瞬时频率。根据该子信号的瞬时频率计算该子信号的瞬时频率核函数矩阵。计算该子信号的解调信号。计算该子信号的初始瞬时频率增量。计算该子信号的优化的初始瞬时频率增量。更新该子信号的瞬时频率。本发明实现了对具有强噪声的复杂多成分信号的分解，能准确地估计每个子信号的瞬时频率(IF)与重构每个子信号，有效地揭示了原始复杂信号的变化规律，能应用于许多领域的实际工程信号处理，有很强的工程实用价值。
- 基于流形排序学习的在线无监督跨模态检索方法及系统-202310867996.5
- 罗昕;张崇宇;许信顺 - 山东大学
- 2023-07-17 - 2023-10-03 - G06F18/21
- 本发明提出了基于流形排序学习的在线无监督跨模态检索方法及系统，涉及电数字数据处理技术领域，获取跨模态数据集，将数据集分为t轮数据块来模拟流数据；利用被分为t轮的数据集来模拟流数据，进行当前轮次的在线学习，输出当前轮次的哈希函数和数据块的哈希码；基于当前轮次的哈希函数，计算待检索样本的哈希码，根据待检索样本的哈希码与检索集的哈希码间的汉明距离，得到检索结果；所述检索集的哈希码，由当前轮次数据块的哈希码和之前轮次数据块的哈希码组成；本发明将流形信息、排序信息和基于哈希学习的跨模态检索原创性结合，减小模态差异对检索性能造成的影响，提高在线跨模态检索任务能力。
- 专利分类
