专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果89209个,建议您升级VIP下载更多相关专利
  • [发明专利]用于监控系统中监控指标的趋势分析方法及装置-CN201110007735.3无效
  • 梁英宏;刘义春;李征坤;梁列全;张颖 - 广东商学院
  • 2011-01-14 - 2011-08-10 - H04L12/24
  • 本发明公开了一种用于监控系统中监控指标的趋势分析方法及装置,其方法是预先设定指标的预测分析参数,然后利用采集的指标值序列分别进行预测分析和周期性分析,在预测分析中综合采用线性回归算法和指数算法得到预测结果,然后根据预测结果和设定的阈值比对后的结果向外界输出控制信号;在周期性分析中根据采集到的指标值得到周期性回归函数,然后将周期性回归函数绘制成周期性曲线。其装置包括指标值采集模块、预测分析模块、预测报警模块、周期性回归分析模块、周期性曲线绘制模块。本发明综合线性回归算法和指数算法进行预测分析,准确性高,且增加了指标变化的周期性分析功能,能够得到指标变化周期性曲线。
  • 用于监控系统指标趋势分析方法装置
  • [发明专利]基于惩罚因子的同步电机模型参数非线性回归调优方法-CN201810739780.X有效
  • 刘连浩;张殿生;畅帅 - 中南大学
  • 2018-07-06 - 2020-05-19 - G06F30/20
  • 本发明提供了一种针对基于惩罚因子的同步电机模型参数非线性回归调优方法,该电机模型参数非线性回归调优方法,包括如下几点步骤:建立数学模型、峰谷点关键数据点提取、非线性回归问题、大残差下的非线性参数回求解;LM算法对于没有残差存在的非线性回归参数问题能很好求解,如果有残差存在的,LM算法不能求出理想解;本发明针对有残差存在的同步电机突然短路的参数回分析,求解非线性参数回分析,针对同步电机突然短路试验非线性参数回分析,在有残差时,使得在非线性回归分析时对初始值不敏感,能得到较好的拟合效果,本发明具有解决所有非线性参数回的通用性;通过此本发明,对有残差非线性参数回分析问题提供了工程解决方法。
  • 基于惩罚因子同步电机模型参数非线性回归方法
  • [发明专利]一种多任务的函数到函数回方法-CN202011156334.X在审
  • 谭琦;杨沛 - 华南师范大学;华南理工大学
  • 2020-10-26 - 2021-04-09 - G06N20/00
  • 本发明涉及机器学习领域,其公开了一种多任务的函数到函数回方法,包括以下步骤:S1、构造一个基于基函数双重扩展的函数到函数回模型,并建立一个从自变量函数到因变量函数的映射的目标函数;S2、进一步构建多任务的函数到函数回模型的目标函数,通过协同分组挖掘各个任务之间的隐含结构来提升每个回归任务的性能,其中该步骤中的目标函数含有回归系数矩阵;S3、采用不同的稀疏性正则化技术对步骤S2中的回归系数矩阵施加约束;S4、对最终函数回模型的目标函数非光滑和非独立的问题进行优化;基于结构型稀疏性的多任务函数到函数回模型的优点是可以同时挖掘任务的相似性和基函数的聚类特征,并用于提升函数回系统的性能。
  • 一种任务函数回归方法
  • [发明专利]一种融合深度学习和分位数回的风速区间预测方法-CN201910995994.8在审
  • 谢宗霞;王新平;李英达 - 天津大学
  • 2019-10-18 - 2020-02-28 - G06F30/20
  • 本发明公开了一种融合深度学习和分位数回的风速区间预测方法,使用卷积神经网络和长短时记忆神经网络来提取风速的特征,然后利用提取的特征进行分位数回,为了实现将分位数与深度学习模型的结合本发明将分位数绝对值损失函数平方,这样可以将深度学习和分位数回相结合,通过平方项可以解决分位数回绝对值函数的在零点处不可导,使得QR的误差函数可微,结合QR的误差函数,对于CNN‑QR和LSTM‑QR可以利用BP算法和BPTT进行参数迭代与现有技术中浅层的神经网络分为数回的概率区间预测有更好的效果,在相同的标准预测区间下有更好的锐度。
  • 一种融合深度学习位数回归风速区间预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top