“极限学习机 ”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4011873个，建议您升级VIP下载更多相关专利

[发明专利]一种基于极限学习机的资源池利用率预测方法及装置-CN201711450575.3有效
发明人：孟海军;黎炜;陈震宇;牟海望;吴陶;陈保福 -专利权人：中国移动通信集团设计院有限公司
申请日： 2017-12-27 - 公布日： 2021-08-06 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种基于极限学习机的资源池利用率预测方法及装置，所述方法包括根据资源池的有效历史数据对预设的极限学习机模型进行训练，获取多个训练好的极限学习机模型；根据每个训练好的极限学习机模型中的预测时长和预测参考误差，从多个训练好的极限学习机模型选出一个最佳极限学习机模型；将有效历史数据和预估业务数据量输入至最佳极限学习机模型，输出预测结果。本发明提供的基于极限学习机的资源池利用率预测方法及装置，通过历史数据对预设的极限学习机模型进行训练，获得多个训练好的极限学习机模型，选择一个最佳极限学习机模型对资源池的利用率进行预测，从而提高了资源池利用率预测的效率和准确性
一种基于极限学习机资源利用率预测方法装置

[发明专利]一种基于堆叠式极限学习机框架的数据驱动最优潮流计算方法-CN202010528642.4在审
发明人：余娟;雷星雨;杨知方;高倩;李杰;余红欣 -专利权人：重庆大学;国网重庆市电力公司电力科学研究院;国家电网有限公司
申请日： 2020-06-10 - 公布日： 2020-10-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于堆叠式极限学习机框架的数据驱动最优潮流计算方法，主要包括以下步骤：1)建立极限学习机模型；2)将若干极限学习机模型逐层堆叠，建立堆叠式极限学习机；3)对堆叠式极限学习机进行优化，得到优化后的堆叠式极限学习机；4)建立数据驱动最优潮流学习框架；5)利用优化后的堆叠式极限学习机对数据驱动最优潮流学习框架进行解算。
一种基于堆叠极限学习机框架数据驱动最优潮流计算方法

[发明专利]一种基于改进极限学习机的作物蒸腾量预测方法-CN201611093504.8在审
发明人：丁永生;刘天凤;蔡欣;郝矿荣;朱轶峰;张向飞 -专利权人：东华大学;上海农业物联网工程技术研究中心;上海市农业委员会信息中心
申请日： 2016-12-02 - 公布日： 2017-05-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于改进极限学习机的作物蒸腾量预测方法，首先采集农田的土壤环境数据和气象数据并进行归一化得到训练集，然后采用训练集训练极限学习机网络并改进极限学习机，最后将再次采集的归一化后的数据输入到改进极限学习机中，由改进极限学习机输出预测得到的作物蒸腾量，改进极限学习机主要包括(1)采用基于波形叠加的函数作为极限学习机隐含层的激活函数；(2)采用粒子群优化算法优化极限学习机网络输入层与隐含层之间的输入权值和阈值本发明的预测方法不仅提高了作物蒸腾量的预测精度，减少了预测时间损耗，同时还改善了传统极限学习机网络的泛化性能和预测稳定性能。
一种基于改进极限学习机作物蒸腾预测方法

[发明专利]一种混合蛙跳反馈极限学习机带钢厚度预测方法-CN201910385160.5有效
发明人：罗浩;周佳宁;石振桔;曲大鹏;张利;王彦捷 -专利权人：辽宁大学
申请日： 2019-05-09 - 公布日： 2023-04-18 - 主分类号： G06F30/27 文献下载
摘要：一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比
一种混合蛙跳反馈极限学习机带钢厚度预测方法

[发明专利]一种空调冷负荷预测优化方法、系统及设备-CN202110593950.X在审
发明人：于军琪;宗悦;赵安军;高之坤;虎群 -专利权人：西安建筑科技大学
申请日： 2021-05-28 - 公布日： 2021-07-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种空调冷负荷预测优化方法、系统及设备，包括获取空调冷负荷的影响构成要素数据，确定空调冷负荷的主要影响指标数据；采用空调冷负荷的主要影响指标数据，对极限学习机网络进行训练优化；其中，训练优化过程，采用鲸鱼优化算法对极限学习机的权重参数及阈值参数进行寻优，得到优化后的极限学习机；采集空调冷负荷主要影响指标数据，输入至优化后的极限学习机中，输出得到空调冷负荷预测优化结果；本发明采用主要影响指标数据对极限学习机进行训练优化，降低了改进极限学习机输入变量的维度，提高了收敛速度，节约了运算成本；将鲸鱼优化算法与极限学习机结合，降低了极限学习机空调冷负荷预测的均方误差，有效提升了预测性能。
一种空调负荷预测优化方法系统设备

[发明专利]一种基于极限学习机的分类器参数辨识方法-CN202310196313.8在审
发明人：王艳娇;刘益廷;李伟迪;邓木清 -专利权人：广东工业大学
申请日： 2023-03-02 - 公布日： 2023-07-11 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于极限学习机的分类器参数辨识方法，步骤1：对分类数据集划分训练数据集和测试数据集；步骤2：构造极限学习机模型，采用改良的鲸鱼优化算法获取多新息极限学习机的最佳初始化参数，步骤3：利用训练数据集对极限学习机模型进行在线训练，用结构风险损失函数对极限学习机模型进行模型评估，进行输出权重的辨识更新，完成对所获数据集的分类训练，完善极限学习机模型参数；步骤4：将待分类的测试数据集输入到步骤3在线训练后的多新息极限学习机模型中，通过本发明方法，提高了极限学习机模型分类精度。
一种基于极限学习机分类参数辨识方法

[发明专利]一种空调冷负荷预测优化方法、系统-CN202210262469.7在审
发明人：段飞 -专利权人：济中能源技术服务（上海）有限公司
申请日： 2022-03-17 - 公布日： 2023-09-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种空调冷负荷预测优化方法、系统及设备，包括获取空调冷负荷的影响构成要素数据，确定空调冷负荷的主要影响指标数据；采用空调冷负荷的主要影响指标数据，对极限学习机网络进行训练优化；其中，训练优化过程，采用鲸鱼优化算法对极限学习机的权重参数及阈值参数进行寻优，得到优化后的极限学习机；采集空调冷负荷主要影响指标数据，输入至优化后的极限学习机中，输出得到空调冷负荷预测优化结果；本发明采用主要影响指标数据对极限学习机进行训练优化，降低了改进极限学习机输入变量的维度，提高了收敛速度，节约了运算成本；将鲸鱼优化算法与极限学习机结合，降低了极限学习机空调冷负荷预测的均方误差，有效提升了预测性能。
一种空调负荷预测优化方法系统

[发明专利]一种IGBT模块老化程度评估方法-CN201810971661.7有效
发明人：李玲玲;孙进;冯一博;彭桦;冯欢;刘伯颖 -专利权人：河北工业大学
申请日： 2018-08-24 - 公布日： 2022-11-15 - 主分类号： G06F30/39 文献下载
摘要：本发明涉及一种IGBT模块老化程度评估方法，包括以下步骤：测量IGBT模块在不同老化程度下的电热特性数据并完成老化程度标定；初始化极限学习机的网络结构；获取极限学习机中的最优输入权值和隐含层阈值，求得极限学习机的最优输出权值；对极限学习机进行训练，得到极限学习机的IGBT模块老化程度评估模型；测定待测IGBT模块的电热特性数据，并将该电热特性数据输入已训练好的IGBT模块老化程度评估模型中，从而得到其老化程度评估结果。本发明采用混合改进鲸鱼优化算法优化的极限学习机优化其输入权值和隐含层阈值，解决了极限学习机的预测精度过度依赖输入权值和隐含层阈值的问题，有效提高了极限学习机的预测回归能力。
一种 igbt 模块老化程度评估方法

[发明专利]随机蛙跳算法优化对称极限学习机的带钢出口厚度预测方法-CN201710442183.6在审
发明人：张利;孔簇簇;张世强;唐佳莹;王军;赵中洲 -专利权人：辽宁大学
申请日： 2017-06-13 - 公布日： 2017-10-20 - 主分类号： G06Q10/04 文献下载
摘要：随机蛙跳优化对称极限学习机的带钢出口厚度预测方法，先在传统的极限学习机中加入对称性先验信息，使得改进后的极限学习机能够对包含对称特性的一类数据进行处理，提出对称极限学习机，对改进后的Sym‑ELM算法进一步的优化，用随机蛙跳算法来选取Sym‑ELM算法的输入权值和隐含层偏置值，并将优化的极限学习机用于带钢出口厚度预测，对于对称极限学习机算法的优化不仅使均方根误差值最小，还要考虑隐含层输出矩阵的范式条件数。通过实验表明，相对于传统的极限学习，本发明提高传统的极限学习机处理包含对称性信息的带钢数据的预测性能，减小模型的预测误差，提高模型的泛化性能。
随机蛙跳算法优化对称极限学习机带钢出口厚度预测方法

[发明专利]具有自主学习能力的在线序列极限学习机方法-CN201610020090.X有效
发明人：任红格;史涛;李福进;尹瑞;张春磊;刘伟民;霍美杰;徐少彬 -专利权人：华北理工大学
申请日： 2016-01-13 - 公布日： 2018-07-27 - 主分类号： G05D1/02 文献下载
摘要：本发明涉及了一种具有自主学习能力的在线序列极限学习机方法，属于智能机器人技术领域，一共分为九个部分，分别为外部状态集合、外部动作集合、奖赏信号、值函数、状态转移方程、极限学习机网络隐含层输出集合、中间参数转移方程、极限学习机输出集合、极限学习机输出权值转移方程。本发明提供的具有自主学习能力的在线序列极限学习机方法，以在线序列极限学习机为框架，结合强化Q学习，提出了一种具有自主学习能力的在线序列极限学习机方法，并将该模型运用到移动机器人路径规划研究中，使机器人根据外部环境的状态与奖励，实现自主学习导航，提高机器人在未知环境中的自主学习能力。
具有自主学习能力在线序列极限学习机方法

[发明专利]基于增量半监督核极限学习机的在线手写体数字识别方法-CN202010693621.8有效
发明人：杨丽霞;张瑞;魏立力;刘国军 -专利权人：宁夏大学
申请日： 2020-07-17 - 公布日： 2023-07-28 - 主分类号： G06V30/32 文献下载
摘要：一种基于增量半监督核极限学习机的在线手写体数字识别方法，包括以下步骤：给定标记样本和未标记样本，通过拉普拉斯正则项提取标记样本和未标记样本信息；建立核极限学习机模型，监督极限学习机找出一个映射函数和极限学习机的一个特征映射，确定极限学习机的训练目标，学得一个权值矩阵，使得映射函数和特征映射之间的差值最小，将权值向量转化为一个正则优化，然后建立核极限学习机模型；建立增量半监督极限学习机，并给出迭代解析解；标记和未标记样本中包含的信息被累积在迭代解析解中，半监督极限学习机给出一个判别决策函数，识别新得到的测试样本。
基于增量监督极限学习机在线手写体数字识别方法

[发明专利]一种基于卷积极限学习机预测食品废水进水水质的方法-CN201810916787.4在审
发明人：白云;余婷梃;喻其炳;李小红;杨帅 -专利权人：重庆工商大学
申请日： 2018-08-13 - 公布日： 2018-12-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于卷积极限学习机预测食品废水进水水质的方法，包括以下步骤：S1、特征学习部分：构建3层结构的卷积神经网络，S2、参数转换部分：将卷积神经网络的输出参数输入到极限学习机中；S3、分类学习部分：训练极限学习机的参数，根据极限学习机训练公式计算其参数，形成食品加工废水进水水质预测网络。本发明采用将卷积神经网络和极限学习机结合，利用卷积神经网络进行特征提取和极限学习机进行分类，从而达到对食品加工废水水质进行预测的目的，效果特别好，十分值得推广。
极限学习机卷积神经网络进水水质食品加工废水预测食品废水学习机参数转换公式计算输出参数特征提取特征学习层结构分类构建水质网络学习

[发明专利]一种基于增长型极限学习机的车辆检测方法-CN201710159394.9在审
发明人：周智恒;劳志辉 -专利权人：华南理工大学
申请日： 2017-03-17 - 公布日： 2017-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于增长型极限学习机的车辆检测方法，包括S1训练增长型极限学习机，S2采用已训练增长型极限学习机对车辆进行检测识别。本发明采用选择搜索的方法进行区域划分，采用HOG特征作为区域的特征，采用增长型极限学习机作为分类器，在保证识别率的同时提高系统的识别速度，此外由于增长型极限学习机的优越性能，使得系统的训练阶段耗时很短。
一种基于增长极限学习机车辆检测方法

[发明专利]一种流形正则化框架下的极限学习机预测动力电池SOC方法-CN201811245358.5在审
发明人：谈发明;陈雪艳 -专利权人：江苏理工学院
申请日： 2018-10-24 - 公布日： 2019-01-18 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种流形正则化框架下的极限学习机预测动力电池SOC方法，属于电池管理系统技术领域，采集到实验室样本数据，建立模型，得到样本数据归一化，采用z‑score标准化法，选择高斯核函数计算各点与_xi的相似度，反映样本空间的流形，依据极限学习机预测SOC模型设置相关参数和函数形式，在流形正则化框架下，创建极限学习机SOC预测模型，利用差分进化方法寻优正则化参数。本发明引入流形正则化理论优化极限学习机，提高极限学习机泛化性能，通过引入差分进化优化算法解决，提高极限学习机的预测性能，利用极限学习机建立的动力电池SOC预测模型能够提高预测精度、预测效率与预测稳定性。
极限学习机流形正则化预测动力电池样本数据预测模型进化电池管理系统高斯核函数正则化参数标准化法泛化性能建立模型理论优化模型设置相关参数样本空间优化算法预测性能归一化和函数相似度引入寻优采集创建

[发明专利]一种基于极限学习机网络的温室环境智能控制方法-CN201810035493.0在审
发明人：范立南;李佳洋;武刚;崔立民;肖倩;刘闯;王丹 -专利权人：沈阳大学
申请日： 2018-01-15 - 公布日： 2018-07-24 - 主分类号： G05B13/04 文献下载
摘要：一种基于极限学习机网络的温室环境智能控制方法，涉及温室环境智能控制方法，所述方法包括以下制备过程：样本数据的搜集，根据农业专家所提供的某种农作物生长的经验数据，再通过实验，获得农作物在不同的生长时期的偏差；样本数据的归一化处理，建立的神经网络模型；建立单极限学习机网络控制模型：极限学习机网络由输入层、隐含层和输出层组成；建立多极限学习机网络控制模型：将多个极限学习机网络模型组合在一起，构成多极限学习机网络控制模型；利用多极限学习机网络控制模型对温室环境进行智能控制，得到温室控制参数。
极限学习机网络控制温室环境智能控制温室农作物样本数据神经网络模型归一化处理农作物生长经验数据生长环境生长时期网络模型温室控制制备过程网络输出层输入层隐含层农作物搜集

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条