“高斯过程回归”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3515121个，建议您升级VIP下载更多相关专利

[发明专利]基于高斯过程回归的转向路感模拟方法-CN202011601825.0在审
发明人：赵蕊;蔡锦康;邓伟文;丁娟 -专利权人：浙江天行健智能科技有限公司
申请日： 2020-12-29 - 公布日： 2021-04-13 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了基于高斯过程回归的转向路感模拟方法，包括以下步骤：进行实车数据采集；试验数据预处理；划分训练数据集和测试数据集；使用高斯过程回归算法训练基于高斯过程回归的转向路感模拟模型；测试基于高斯过程回归的转向路感模拟模型，高斯过程回归模型的输入变量为纵向车速、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角、方向盘角速度，输出变量为方向盘力矩；根据所得的基于高斯过程回归的转向路感模拟模型进行转向路感模拟。本发明使用真实车辆采集试验数据，采用高斯过程回归算法进行转向路感模拟模型建模，得到的基于高斯过程回归的转向路感模拟模型性能稳定，精度高，运算速度快，实时性好，克服了现有技术的缺陷。
基于过程回归转向模拟方法

[发明专利]基于高斯过程回归的数据隐私保护方法及相关设备-CN202211288739.8在审
发明人：张叶红;罗景龙;秦爽;张嘉琪;王晖;余跃;徐增林 -专利权人：鹏城实验室
申请日： 2022-10-20 - 公布日： 2023-03-07 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了基于高斯过程回归的数据隐私保护方法及相关设备，包括：获取训练数据和测试数据；计算协方差矩阵，根据训练数据进行高斯过程回归的训练；生成指数随机数，通过秘密分享技术，根据指数随机数在高斯整数环上进行指数计算；根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；根据高斯过程回归模型对测试数据进行预测。
基于过程回归数据隐私保护方法相关设备

[发明专利]一种基于高斯过程回归的电池健康状态预测方法和系统-CN202310862690.0在审
发明人：刘雨佳;郭霄宇;魏中宝;邢宇;方镇都 -专利权人：北京和瑞储能科技有限公司
申请日： 2023-07-13 - 公布日： 2023-10-17 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种基于高斯过程回归的电池健康状态预测方法和系统，所述方法包括：对锂电池进行循环充放电实验，定义并获取锂电池当前的健康状态；根据锂电池当前的健康状态，获取健康状态SOH的经验公式，并识别所述经验公式中的最优参数；解耦最优参数中的放电深度和充放电倍率，建立健康状态的参数模型；基于所述参数模型建立高斯过程回归模型，优化高斯过程回归模型的超参数，完成高斯过程回归模型的训练；利用训练后的高斯过程回归模型，预测锂电池的健康状态提高了高斯过程回归模型对锂电池健康状态长期预测的准确性。
一种基于过程回归电池健康状态预测方法系统

[发明专利]一种基于维纳原理和高斯过程回归的退化过程建模方法-CN202211370225.7在审
发明人：张天霄;曹立才;崔进 -专利权人：北京航空航天大学
申请日： 2022-11-03 - 公布日： 2023-01-10 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及退化可靠性建模技术领域，提供了一种基于维纳原理和高斯过程回归的退化过程建模方法，该方法包括以下步骤：根据实际的等间隔采样时刻测量得到的工件振动信号，经过特征提取和降维，获得数据集，采用考虑漂移参数随机效应的维纳过程对其进行描述，获得维纳核的解析形式，引入高斯过程回归，获得高斯回归模型，基于训练集，采用极大似然估计对高斯过程回归模型进行参数估计，利用高斯回归模型对测试集进行预测，获得设备的可靠性评估与寿命预测的效果。本发明实现了数据驱动方法和物理机制的结合，对数据信息的挖掘更加彻底，维纳核在高斯过程回归中的预测精度明显提高。
一种基于原理过程回归退化建模方法

[发明专利]一种基于GMM和高斯过程回归的路感模拟方法-CN202011601812.3在审
发明人：赵蕊;蔡锦康;邓伟文;丁娟 -专利权人：浙江天行健智能科技有限公司
申请日： 2020-12-29 - 公布日： 2021-04-09 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了基于GMM和高斯过程回归的路感模拟方法，步骤包括：进行实车试验并采集数据；试验数据预处理；使用高斯混合模型分类算法进行归一化试验数据聚类；划分训练数据集和测试数据集；训练基于GMM和高斯过程回归的路感模拟模型，高斯过程回归模型的输入变量为纵向车速、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角和方向盘角速度，输出变量为方向盘力矩；测试基于GMM和高斯过程回归的路感模拟模型；根据所得的基于GMM和高斯过程回归的路感模拟模型进行路感模拟本发明通过GMM分类算法进行聚类，再基于高斯过程回归算法进行路感模拟模型建模，所得模型性能稳定，精度高，运算速度快，实时性好。
一种基于 gmm 过程回归模拟方法

[发明专利]一种基于机器学习的增材制造记忆合金成形质量预测方法-CN202211025521.3在审
发明人：林开杰;王超超;顾冬冬;石珂羽;袁鲁豪;乔竞驰;孙建峰 -专利权人：南京航空航天大学
申请日： 2022-08-25 - 公布日： 2022-11-29 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于机器学习的增材制造记忆合金成形质量预测方法，包括：(1)获取多组工艺参数及相应工艺参数下样品的成形质量，构建数据集并划分为训练集与试验集；(2)将训练集的数据进行归一化处理后输入高斯过程回归算法，对高斯过程回归算法的核函数参数进行贝叶斯推断，采用极大似然估计和梯度下降方法寻优，获取最优的参数代入多元高斯分布概率密度函数，完成高斯过程回归算法的优化；所述高斯过程回归算法包括核函数、多元高斯分布概率密度函数；(3)将试验集输入优化完成的高斯过程回归算法，通过多元高斯分布概率密度函数输出最终的预测的成形质量。
一种基于机器学习制造记忆合金成形质量预测方法

[发明专利]一种基于分区可修正性的深度高斯过程回归室内定位方法-CN202010698539.4在审
发明人：翁仲铭;王思懿;陶文源 -专利权人：天津大学
申请日： 2020-07-20 - 公布日： 2020-10-30 - 主分类号： G01S5/02 文献下载
摘要：本发明公开一种基于分区可修正性的深度高斯过程回归室内定位方法，包括以下步骤：(1)离线阶段对室内物理环境进行区域划分；(2)在线阶段使用深度高斯过程回归模型找到目标位置信息；深度高斯过程回归模型包括数据归一化处理、高斯过程回归和增强学习三部分。Normalization)；用于在数据分析之前对输入的样本数据进行预处理；数据归一化处理消除了数据量纲的限制，并将初始的样本数据转为没有单位的纯数值，便于不同单位或量级的数据之间进行比较和加权；通过增强学习使深度高斯过程回归模型从现有状态出发
一种基于分区修正深度过程回归室内定位方法

[发明专利]基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型和方法-CN202011253533.2在审
发明人：陈青春;朱元励;吴莹莹;万小荣;陈小琳;张悦;王靖;岳海峰;邢明梅;蒋锋 -专利权人：仲恺农业工程学院
申请日： 2020-11-11 - 公布日： 2021-01-26 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型，为Python语言的高斯过程回归模型，并进一步提供了该高斯过程回归模型的模型参数。还提供了基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演方法。本发明的基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型能够快速、准确的获取水稻单位面积内地上部干物重信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻单位面积内地上部干物重特征波段难以确定的困难
基于过程回归算法水稻单位面积内地上部干物重遥感反演模型方法

[发明专利]基于变分异方差高斯过程回归的短期风速预测方法-CN201911348832.1有效
发明人：张楚;彭甜;夏鑫;王业琴;赵环宇;孙娜;张涛 -专利权人：淮阴工学院
申请日： 2019-12-24 - 公布日： 2022-01-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及短期风速预测技术领域，公开了一种基于变分异方差高斯过程回归的短期风速预测方法，首先采用具适应性噪声的完全集合经验模态分解将原始风速时间序列分解为规律性更强的子序列集合，计算每个子序列的偏自相关函数值，并选择95%置信水平下显著的滞后时间序列作为输入变量；然后，采用变分异方差高斯过程回归对每个子序列进行训练与预测，最后，将所有子序列的预测结果进行合并，得到风速时间序列的最终预测结果。与现有技术相比，本发明采用变分异方差高斯过程回归模型对风速时间序列进行预测，其预测能力更强，且变分异方差高斯过程回归模型性能优于标准高斯过程回归模型，能够获得更高的预测精度。
基于变分异方差过程回归短期风速预测方法

[发明专利]基于高斯过程回归的试验样本点选取方法-CN202011290863.9在审
发明人：刘若鹏;赵治亚;周鑫;何洋 -专利权人：深圳光启尖端技术有限责任公司
申请日： 2020-11-17 - 公布日： 2022-05-17 - 主分类号： G06F30/20 文献下载
摘要：本发明提供了一种基于高斯过程回归的试验样本点选取方法，包括：在仿真数据进行性态分析的过程中，确定高斯过程回归模型的核函数；确定误差响应函数；获取实际工程问题中性能测试的历史数据，生成训练数据集；导入训练数据集，运用高斯过程回归模型，确定核函数的初始化超参数；进行初始化试验构建；运用高斯过程回归模型进行采样的迭代优化，选取最优采样点集合；迭代优化结束后，输出选取的最优采样点集合。
基于过程回归试验样本选取方法

[发明专利]基于深度高斯过程回归的图像编码、解码以及压缩方法-CN202210203902.X在审
发明人：戴文睿;曹迈达;李劭辉;李成林;邹君妮;熊红凯 -专利权人：上海交通大学
申请日： 2022-03-03 - 公布日： 2022-06-03 - 主分类号： H04N19/19 文献下载
摘要：本发明公开一种基于深度高斯过程回归的图像编码方法，包括：采用编码卷积神经网络得到待编码图像的瓶颈层多通道特征，作为第一特征图；将第一特征图中的每个特征量化为整数，得到第二特征图；基于深度高斯过程回归的自回归模型和超先验模型，对第二特征图的每一个通道，加权组合多个高斯分布的混合高斯分布编码特征，生成特征二进制码流；将超先验模型得到的超先验信息编码为超先验二进制码流；合并超先验二进制码流与特征二进制码流，得到压缩图像的二进制码流采用非参数化的深度高斯过程回归方法进行自回归建模，将深度高斯过程回归输出的后验分布作为混合高斯模型的均值，可以灵活地获得均值估计的不确定性，从而得到更准确的均值估计。
基于深度过程回归图像编码解码以及压缩方法

[发明专利]基于偏最小二乘的高斯过程回归废水出水指标预测方法-CN201711476291.1有效
发明人：刘鸿斌;杨冲 -专利权人：南京林业大学
申请日： 2017-12-29 - 公布日： 2021-11-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于偏最小二乘的高斯过程回归废水出水指标预测方法，该方法可用于存在较强的时变性、耦合性、非线性、滞后性以及其他复杂特性的工业过程。首先，基于偏最小二乘的方法对多元输入数据进行降维，并选取合适的得分向量作为高斯过程回归模型的输入；之后，通过对协方差函数的选取与组合，构建不同种类的高斯过程回归软测量模型对输出数据进行预测；最后，使用测试集数据对模型的预测能力进行评价造纸废水处理过程数据的建模结果表明，基于偏最小二乘对被测变量的降维技术可以提高高斯过程回归模型的预测能力；由不同协方差函数构建的高斯过程回归模型为出水指标的预测提供了多种选择，更加适合复杂多变的造纸废水处理环境
基于最小过程回归废水出水指标预测方法

[发明专利]一种基于相关高斯过程回归的面部年龄估计方法-CN201510955985.8有效
发明人：潘力立;王正宁;郑亚莉 -专利权人：电子科技大学
申请日： 2015-12-17 - 公布日： 2019-06-21 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于相关高斯过程回归的面部年龄估计方法。该方法首先提取面部图像的形状特征，并对光照归一化和形状归一化后图像提取容貌特征；接着，根据所有图像对应的标定年龄建立性别差异化的从面部特征到目标年龄的高斯过程回归模型，并求解回归参数；最后，在给定待估计面部年龄图像时，提取面部形状和容貌特征并利用已学习的高斯过程回归模型估计对应年龄。
一种基于相关过程回归面部年龄估计方法

[发明专利]一种基于高斯过程回归和萤火虫算法相结合的细颗粒物预测与溯源方法-CN201811023925.2在审
发明人：王慧强;王伟平;高欣颖;赵帅;杜鹏;李冰洋;王羽钧 -专利权人：哈尔滨工程大学
申请日： 2018-09-01 - 公布日： 2019-02-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于细微颗粒物探测领域，具体涉及一种基于高斯过程回归和萤火虫算法相结合的细颗粒物预测与溯源方法，包括以下步骤：对萤火虫算法进行优化，得到萤火虫优化算法；创建模型的样本训练集并为高斯过程回归模型选择协方差函数；利用改进的粒子群优化算法对高斯过程回归模型的方程超参数优化；根据优化的超参数得出模型，输出预测。本发明提出一种基于高斯过程回归和萤火虫算法的细颗粒物预测与溯源方法，该方法将高斯过程回归和萤火虫算法相结合，既能细颗粒物空间分布及短时变化态势进行预测，也能对细颗粒物多污染源动态回溯，实现对细颗粒物多污染源的准确定位
高斯过程回归细颗粒物萤火虫算法溯源预测污染源粒子群优化算法细微颗粒物样本训练集萤火虫参数优化动态回溯空间分布模型选择输出预测优化算法准确定位协方差优化探测创建改进

[发明专利]基于高斯过程回归的无线信号源定位方法-CN201811184494.8在审
发明人：吴少川;周晓康;夏慧云;魏宇明;宋言午;左润东;王楠 -专利权人：哈尔滨工业大学
申请日： 2018-10-11 - 公布日： 2019-01-04 - 主分类号： G01S5/06 文献下载
摘要：基于高斯过程回归的无线信号源定位方法,涉及无线信号源定位技术领域,为了解决现有的无线信号定位方法需要的场景先验信息多，场景变更需要重新获知场景分布信息的问题。本发明包括部署无线信号探测器，所有无线信号探测器的位置信息形成矩阵X；各无线信号探测器采集得到接收信号强度信息，并互相交换信息，所有接收信号强度信息形成向量r；矩阵X和向量r形成训练集，建立高斯过程回归模型，并根据训练集求解高斯过程回归模型中的超参数，得到建立好的高斯过程回归模型；采用建立好的高斯过程回归模型对新的位置处的接收信号强度信息进行预测，完成整个关注区域的接收信号强度分布的预测，得到信号发射源位置
高斯过程回归无线信号接收信号强度信息无线信号源定位探测器矩阵训练集场景发射源位置信号发射源定位信号分布信息关注区域交换信息强度分布先验信息和向量位置处求解预测获知向量变更采集部署

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