“贝叶斯”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482649个，建议您升级VIP下载更多相关专利

[发明专利]贝叶斯网络的结构学习方法、装置及电子设备-CN202110246431.6在审
发明人：丁茹;顾松庠 -专利权人：京东科技控股股份有限公司
申请日： 2021-03-05 - 公布日： 2022-09-06 - 主分类号： G06N7/00 文献下载
摘要：本申请提出一种贝叶斯网络的结构学习方法、装置以及电子设备，涉及计算机技术领域，方法包括：获取待进行结构学习的贝叶斯网络的节点集合；对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。减少了贝叶斯网络的结构学习的计算量，进而缩短了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时，提高了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的效率。
贝叶斯网络结构学习方法装置电子设备

[发明专利]一种基于贝叶斯网络的网站缺陷预测方法及其实现系统-CN201710417699.5有效
发明人：朱朝阳;石竹;韩丽芳;陈相舟;周亮;应欢;刘欣 -专利权人：中国电力科学研究院;国家电网公司;中国科学技术大学;国网河北省电力公司
申请日： 2017-06-06 - 公布日： 2020-12-08 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于贝叶斯网络的网站缺陷预测方法及其实现系统，所述方法建立HTML贝叶斯网络结构以及代码贝叶斯网络结构，并对所述HTML贝叶斯网络结构以及代码贝叶斯网络结构输入历史度量元状态值进行最大似然性估算学习，构成贝叶斯网络模型；将待测网页的度量元状态值代入贝叶斯网络模型，得到预测的缺陷情况；所述实现系统包含度量元采集模块、度量元处理模块、HTML贝叶斯网络模块以及代码贝叶斯网络模块，所述度量元采集模块对HTML及代码的各度量元进行采集，并由度量元处理模块转换成度量元状态值，输入到HTML贝叶斯网络模块以及代码贝叶斯网络模块中进行缺陷预测。
一种基于贝叶斯网络网站缺陷预测方法及其实现系统

[发明专利]一种易推理贝叶斯网络的学习方法-CN202110157200.8在审
发明人：吴振旭;余展鹏;侯方丞杨;孙晴晴;朱允刚 -专利权人：吉林大学
申请日： 2021-02-03 - 公布日： 2021-09-28 - 主分类号： G06N7/00 文献下载
摘要：本发明属于机器学习技术领域，具体为一种易推理贝叶斯网络的学习方法，包括步骤1：为预训练，即初始化贝叶斯网络，利用训练数据判断两个节点之间的互信息值，通过互信息初始化贝叶斯网络；步骤2：为搜索，即在初始化的贝叶斯网络附近搜索与训练数据拟合程度更好的贝叶斯网络；步骤3：为寻找易推理的贝叶斯网络，即寻找一个推理效率高的贝叶斯网，其结构合理，通过对学习贝叶斯网络时的推理效率进行打分，变量序、变量消元和团树传播推理等进行分析与处理，构建新的评分函数，进而通过爬山法学习贝叶斯网络，从而构建出能在保证一定拟合程度的情况下的易推理的贝叶斯网络。为贝叶斯网络走向应用的过程中，满足实际需求。
一种推理贝叶斯网络学习方法

[发明专利]一种遮挡目标检测方法、电子设备、存储介质及系统-CN201810474758.7在审
发明人：陈鑫;叶淑阳 -专利权人：淘然视界(杭州)科技有限公司
申请日： 2018-05-17 - 公布日： 2018-11-06 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种遮挡目标检测方法，包括：获取待测目标图像及预设数据库中的训练数据集；采用贝叶斯框架评价检测因素的重要性及对所述检测因素进行因素融合并得到多因素贝叶斯模型；将所述训练集数据输入至所述多因素贝叶斯模型中并对所述多因素贝叶斯模型进行权重优化处理，得到已优化贝叶斯模型。本发明提供的一种遮挡目标检测方法，通过采用贝叶斯框架构建多因素贝叶斯模型，再对贝叶斯模型进行训练优化处理得到已优化的贝叶斯模型，最后使用已优化贝叶斯模型对待测目标图像进行检测并得到精准的检测结果，使用多因素的贝叶斯模型避免了因为待测目标图像中的目标物之间出现遮挡或目标物被遮挡出现的待测目标图像信息损失造成漏检的现象
贝叶斯模型待测目标遮挡目标检测优化处理贝叶斯目标物遮挡图像信息损失图像优化训练集数据训练数据集存储介质电子设备检测结果框架构建目标图像评价检测漏检权重预设数据库融合

[发明专利]一种基于量子线路求解贝叶斯网络的方法及装置-CN202110627291.7在审
发明人：窦猛汉;李叶;刘焱 -专利权人：合肥本源量子计算科技有限责任公司
申请日： 2021-06-04 - 公布日： 2022-12-06 - 主分类号： G06N10/20 文献下载
摘要：本发明公开了一种基于量子线路求解贝叶斯网络的方法及装置，方法包括：接收并响应针对目标系统的贝叶斯网络的编辑操作，显示编辑后的贝叶斯网络；接收并响应针对所述贝叶斯网络的计算操作，构造所述贝叶斯网络对应的量子线路；运行所述量子线路，输出并显示所述贝叶斯网络的节点的概率分布。利用本发明实施例，能够实现贝叶斯网络的量子计算方式，将贝叶斯网络的计算复杂度降低，实现高效计算，并且利用量子态的叠加特性，从而以更少的存储和计算资源实现支持大规模多节点网络模型的处理。
一种基于量子线路求解贝叶斯网络方法装置

[发明专利]基于贝叶斯网络推理模型的犯罪重建方法及装置-CN201911167192.4有效
发明人：王李韬;贾梅生;陈飞宇;倪顺江;申世飞 -专利权人：清华大学
申请日： 2019-11-25 - 公布日： 2022-05-24 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于贝叶斯网络推理模型的犯罪重建方法及装置，该方法包括：将案事件中的犯罪实施过程分为多个阶段，梳理每个阶段的典型犯罪行为；梳理每个犯罪行为中可能产生的物证痕迹集合；将每一物证痕迹要素作为贝叶斯网络节点构建贝叶斯网络的证据层；提取典型犯罪行为中的犯罪事实生成假设集合和行为集合，将假设集合和行为集合的要素作为贝叶斯网络节点构建贝叶斯网络的假设层和行为层；根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过生长算法对母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过实例化的贝叶斯网络进行犯罪重建。
基于贝叶斯网络推理模型犯罪重建方法装置

[发明专利]一种自主融合先验知识的贝叶斯网络方法-CN201110160532.8无效
发明人：韩志朋 -专利权人：天津大学
申请日： 2011-06-15 - 公布日： 2011-09-21 - 主分类号： G06N7/00 文献下载
摘要：本发明公开了一种自主融合先验知识的贝叶斯网络方法，涉及贝叶斯网络领域，本发明起始于朴素贝叶斯网络，自主生成一个随机节点序，在贝叶斯网络构建过程中另附加有其它约束条件，即“有条件的随机”；通过删除部分不需要的边，能够在一定程度上降低贝叶斯网络的结构复杂性；本发明采用多次运行的方式，根据不同的随机节点序构建多个贝叶斯网络，并从中选择与数据拟合程度最好的一个作为最终的贝叶斯网络模型，本发明提高了贝叶斯网络方法对先验知识的融合效率
一种自主融合先验知识贝叶斯网络方法

[发明专利]用于贝叶斯神经形态编译器的网络构成模块-CN202080012118.X在审
发明人： N·D·斯特普;A·加马拉马达卡 -专利权人：赫尔实验室有限公司
申请日： 2020-02-17 - 公布日： 2021-09-14 - 主分类号： G06N3/04 文献下载
摘要：描述了一种基于贝叶斯网络模型来指定设备的控制的系统。所述系统包括贝叶斯神经形态编译器，该贝叶斯神经形态编译器具有网络构成模块，该网络构成模块具有按照包含多级依赖关系的分层构成布置的概率计算单元(PCU)。贝叶斯神经形态编译器接收贝叶斯网络模型作为输入，并产生实现贝叶斯网络模型的脉冲神经网络拓扑和配置。网络构成模块学习贝叶斯网络模型的条件概率。所述系统计算条件概率并基于所计算的条件概率来控制设备。
用于贝叶斯神经形态编译器网络构成模块

[发明专利]基于面向对象贝叶斯网络的中央空调系统故障诊断方法-CN201911283963.6有效
发明人：李婷婷;赵阳;张学军;王姝婷;章超波 -专利权人：浙江大学
申请日： 2019-12-13 - 公布日： 2021-01-19 - 主分类号： F24F11/38 文献下载
摘要：本发明提供了一种基于面向对象贝叶斯网络的中央空调系统故障诊断方法，用于解决系统级别故障诊断模型构建难度高、工作量大、成本昂贵的问题。技术方案是首先基于中央空调系统所包含的设备类型，为每类设备构建故障诊断贝叶斯网络类和附加信息贝叶斯网络类；其次，通过类的实例化，为每个设备生成相应的故障诊断贝叶斯网络片段和附加信息贝叶斯网络片段；然后，分析设备之间的关联关系，建立相应贝叶斯网络片段之间的连通关系，并进行贝叶斯网络结构的修改和参数的调整，形成完整的贝叶斯诊断网络；最后，以中央空调系统的诊断信息为驱动，通过贝叶斯网络的概率推理过程实现故障诊断该方法以面向对象和贝叶斯网络为基础，能够实现中央空调系统故障诊断模型的快速构建、更新和维护，具有较强的实用性。
基于面向对象贝叶斯网络中央空调系统故障诊断方法

[发明专利]玻璃幕墙性能确定方法及相关装置-CN202210005418.6在审
发明人：余杨;吴世博;余建星;马文韬;曾庆泽;李昊达;高涵韬;杨九 -专利权人：天津大学
申请日： 2022-01-05 - 公布日： 2022-05-13 - 主分类号： G06F30/20 文献下载
摘要：本申请实施例提供一种玻璃幕墙性能确定方法及相关装置，所述方法包括：获取静态贝叶斯网络，所述静态贝叶斯网络用于对玻璃幕墙进行性能检测；根据所述玻璃幕墙的组件的退化概率，确定所述静态贝叶斯网络的静态条件概率；获取玻璃幕墙的组件状态变化关系；根据所述组件状态变化关系、组件的故障率和组件的维修率，确定所述静态贝叶斯网络的转移条件概率；根据所述转移条件概率、所述静态条件概率和所述静态贝叶斯网络，确定出动态贝叶斯网络；根据所述动态贝叶斯网络确定玻璃幕墙的性能信息，能够基于确定的动态贝叶斯网络来获取玻璃幕墙的性能信息，提升了玻璃幕墙的性能信息确定时的准确性。
玻璃幕墙性能确定方法相关装置

[发明专利]基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法-CN202310736093.3在审
发明人：褚菲;王建文;毛腾;赵建宇;许晨峰;冯浩彬 -专利权人：中国矿业大学
申请日： 2023-06-21 - 公布日： 2023-10-20 - 主分类号： B03D1/02 文献下载
摘要：一种基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法，将煤泥浮选过程进行分块，并确定全局质量指标；确定每个模块与全局质量指标相关的变量；确定全局网络中变量的状态以及局部网络中变量的状态：建立全局贝叶斯网络和局部贝叶斯网络；将全局贝叶斯网络转化为全局动态贝叶斯网络；判断局部贝叶斯网络中是否存在回环结构，有回环结构则进行最弱因果关系的确定；对局部动态贝叶斯网络和全局动态贝叶斯网络进行参数学习；完成分布式动态贝叶斯网络模型的建立
基于分布式动态贝叶斯网络浮选安全运行控制方法

[发明专利]构建解决组合爆炸问题的级联贝叶斯网络的方法-CN201610297916.7有效
发明人：王瑶;孙秦 -专利权人：西北工业大学
申请日： 2016-05-06 - 公布日： 2019-06-04 - 主分类号： G06F17/50 文献下载
摘要：一种构建解决组合爆炸问题的级联贝叶斯网络的方法，本发明包含两个核心部分：A由系统通路构建级联贝叶斯网络拓扑结构的方法；B级联贝叶斯网络的中间节点概率参数设置方法。首先完成贝叶斯网络拓扑结构的构建，该网络拓扑结构与工程实践中的故障级联构型一致，再完成并贝叶斯网络各节点条件概率表的设置，最后共同完成了级联贝叶斯网络的构建。当级联贝叶斯网络构建完毕，能够运用任何已有贝叶斯网络推理技术对该级联贝叶斯网络进行推理计算，以求得系统可靠度。
构建解决组合爆炸问题级联贝叶斯网络方法

[发明专利]一种基于贝叶斯神经网络权重约束的图像分类方法-CN202110560871.9有效
发明人：姜书艳;孙召曦;许怡楠;黄乐天 -专利权人：电子科技大学
申请日： 2021-05-19 - 公布日： 2022-08-12 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于贝叶斯神经网络权重约束的图像分类方法，包括以下步骤：S1：采集待处理图像数据集，将待处理图像数据集划分为训练集和测试集；S2：搭建贝叶斯神经网络；S3：训练贝叶斯神经网络，对贝叶斯神经网络的权重参数进行衰减；S4：提取贝叶斯神经网络各层的权重参数，若贝叶斯神经网络的分类性能达到设定阈值且各层的权重参数分布位于设定期望阈值内，则完成对贝叶斯神经网络的权重约束；否则返回步骤S3，继续训练贝叶斯神经网络；S5：本发明在贝叶斯神经网络的训练阶段使用L2正则化，以改变网络权重参数的分布，将其约束至较小的范围。
一种基于贝叶斯神经网络权重约束图像分类方法

[发明专利]一种基于改进贝叶斯网络的风电机组动态可靠性评价方法-CN202110639958.5有效
发明人：黄玲玲;符杨;苗育植;刘璐洁;魏书荣;米阳 -专利权人：上海电力大学
申请日： 2021-06-09 - 公布日： 2022-08-23 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及一种基于改进贝叶斯网络的风电机组动态可靠性评价方法，包括以下步骤：1)基于故障树和云模型构建风电机组的单纯可靠性贝叶斯网络；2)采用无标度网络对单纯可靠性贝叶斯网络进行优化得到改进的贝叶斯网络；3)对改进的贝叶斯网络进行动态贝叶斯推理；4)根据改进的贝叶斯网络与动态推理过程对机组可靠性进行定量评估。
一种基于改进贝叶斯网络机组动态可靠性评价方法

[发明专利]基于贝叶斯因果图法的设备故障分析贝叶斯网络构建方法-CN202110989679.1在审
发明人：江平宇;杨茂林;郭威;李青宗;任焕荣;陈淮淳 -专利权人：西安交通大学
申请日： 2021-08-26 - 公布日： 2021-12-10 - 主分类号： G06F30/27 文献下载
摘要：基于贝叶斯因果图法的设备故障分析贝叶斯网络构建方法，包括1)将企业已有的设备故障树模型转换为满足条件独立性假设的设备故障分析贝叶斯网络结构模型；2)采用结构化调研法获取设备专家对设备故障原因之间的因果关系知识与经验，据此获取设备故障分析贝叶斯网络结构中各故障变量之间的拓展的因果值；3)根据前述所得拓展的因果值，估算贝叶斯网络结构中子变量条件概率表中的概率参数，完成设备故障分析贝叶斯网络概率参数建模；通过本发明，将企业已有的设备故障树模型拓展为故障分析能力更加全面和系统的设备故障分析贝叶斯网络模型，从而为基于贝叶斯网络的设备故障诊断技术的推广应用提供具体可操作的技术支持。
基于贝叶斯因果设备故障分析网络构建方法

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