“cnn_svr”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8908个，建议您升级VIP下载更多相关专利

[发明专利]基于CNN_SVR的电功图预测油井动液面方法-CN202310648373.9在审
发明人：周建峰;李晓芳;朱运周;崔文豪;田小凯;刘凯 -专利权人：海默潘多拉数据科技（深圳）有限公司
申请日： 2023-06-01 - 公布日： 2023-10-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于CNN_SVR的电功图预测油井动液面方法，按照以下步骤进行：收集抽油机电功图数据和对应油井动液面值，形成原始数据集；对原始数据进行清洗、标注、预处理操作，得到处理数据集；将处理数据集按照预设比例进行拆分，得到训练数据集、测试数据集；搭建初始动液面预测CNN_SVR模型；采用测试数据集对初始动液面预测CNN_SVR模型进行验证、比较、迭代后，输出最终动液面预测CNN_SVR模型；模型应用，输入当前抽油机电功图数据
基于 cnn_svr 电功图预测油井液面方法

[发明专利]一种基于CNN-SVR模型和迁移学习的光谱模型传递方法-CN202110443739.X在审
发明人：周灿;禹文韬;阳春华;朱红求;李勇刚;李繁飙;黄科科;马英奕 -专利权人：中南大学
申请日： 2021-04-23 - 公布日： 2021-07-13 - 主分类号： G06K9/62 文献下载
摘要：本发明属于光谱检测与光谱仪模型传递领域，提供了一种基于CNN‑SVR模型和迁移学习的光谱模型传递方法。该方法包括：获取光谱数据并进行预处理，将处理后的数据分为训练集和测试集，构建主仪器CNN‑SVR模型，将主仪器训练集输入模型进行训练并优化获得最优的主仪器CNN‑SVR模型及其超参数；将上述模型迁移至从仪器上并冻结CNN网络超参数值，输入从仪器训练集对SVR参数训练微调，获得基于CNN‑SVR网络的迁移模型，将从仪器测试集输入迁移模型进行模型传递性能预测。
一种基于 cnn svr 模型迁移学习光谱传递方法

[发明专利]车内结构声路躁预测方法、装置、车辆及可读存储介质-CN202310273881.3在审
发明人：贾小利;杨亮;庞剑 -专利权人：重庆长安汽车股份有限公司
申请日： 2023-03-20 - 公布日： 2023-07-25 - 主分类号： G06F30/15 文献下载
摘要：本发明涉及一种车内结构声路躁预测方法、装置、车辆及可读存储介质、包括，获取影响车内结构声路躁的影响因子数据；将影响因子数据输入至预先训练好的CNN‑SVR路躁预测模型；其中，CNN‑SVR路躁预测模型的模型结构包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层、SVR回归输出层；利用CNN‑SVR路躁预测模型输出车内驾驶员右耳声压级。本发明基于CNN‑SVR算法的路噪预测模型，实现对车内结构声路躁的准确预测，上述CNN‑SVR路噪预测模型相较于传统整车路噪CAE模型不受制于非线性元件建模(衬套、减振器、轮胎等)、网格大小等因素的影响
结构声路躁预测方法装置车辆可读存储介质

[发明专利]一种基于CNN-SVR的CRISPR/Cas9向导RNA编辑效率预测方法-CN202110639647.9在审
发明人：张桂珊;陈耀文 -专利权人：汕头大学
申请日： 2021-06-08 - 公布日： 2021-08-13 - 主分类号： G16B40/20 文献下载
摘要：本发明实施例公开了一种基于CNN‑SVR的CRISPR/Cas9向导RNA编辑效率预测方法，包括步骤：（1）构建基准数据集和独立测试集，并对基准数据集和测试集进行编码，（2）构建CNN网络，在已编码的基准数据集上进行预训练，提取向导RNA序列的抽象特征，（3）运用最小冗余最大相关的方法，对CNN所提取的向导RNA序列抽象特征按重要性进行排序，利用顺序向前搜索算法，按重要性排序逐个加入特征子集；（4）将已构建的特征子集输入SVR分类器预测向导RNA的编辑效率，根据Spearman相关系数和AUROC值进行调整、优化模型参数，直到得到最优解，保存已训练的模型，（5）运用已训练的CNN‑SVR模型，结合迁移学习策略，提高CNN‑SVR
一种基于 cnn svr crispr cas9 向导 rna 编辑效率预测方法

[发明专利]一种基于回归模型的工业园区负荷短期预测方法-CN202211662403.3在审
发明人：冯媛媛;梁小姣;刘剑宁;孙涛;李燕;李成;沈海波;刘永军;付永;刘淼;张新玲;于文嫣;王书强;周丽娟 -专利权人：国网山东省电力公司东营供电公司
申请日： 2022-12-23 - 公布日： 2023-03-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于回归模型的工业园区负荷短期预测方法，步骤如下：获取数据并预处理，通过负载CNN提取负载非线性特征，通过负载温度CNN提取负载非线性温度特征；将负载非线性特征、负载非线性温度特征和要预测其负荷的前一小时的预测温度输入SVR进行预测；根据风险函数中SVR的强制约束，最终通过以下公式得到回归输出，该方法称为非线性关系提取（NRE）分别提取负载的非线性特征和负载温度的非线性特征，然后将提取的非线性特征提供给SVR进行一步超前预测
一种基于回归模型工业园区负荷短期预测方法

[发明专利]一种基于CNN-SVR模型的负荷集成预测方法-CN201910350144.2在审
发明人：袁三男;沈兆轩 -专利权人：上海电力学院
申请日： 2019-04-28 - 公布日： 2019-08-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于CNN‑SVR模型的负荷集成预测方法，该方法首先对某地区影响负荷的影响因素、某地区内所有用户的每日负荷数据进行初始化，计算皮尔逊相关系数，然后将数据进行极值归一化及聚类，获取不同类别的用户数据标签，根据步分组标签，将用户数据进行合并，作为训练输入数据；其次构建CNN‑SVR负荷预测模型后进行模型训练并对输入数据预处理，数据输入到训练后的CNN‑SVR模型中进行预测，获取预测结果，将结果反归一化，
预测用户数据求和输入数据预处理负荷预测模型地区影响反归一化分组标签负荷数据集成分类模型训练提取数据影响因素预测结果初始化归一化构建聚类标签合并

[发明专利]一种基于跨连CNN+SVR的街道空间品质量化方法-CN201910341553.6有效
发明人：卿粼波;计浩浩;何小海;熊珊珊;王正勇;吴晓红 -专利权人：四川大学
申请日： 2019-04-26 - 公布日： 2022-08-02 - 主分类号： G06V10/80 文献下载
摘要：本发明提供了一种基于跨连CNN+SVR的街道空间品质量化方法，主要涉及利用跨连卷积神经网络提取街景图片特征，并将提取的特征作为支持向量回归模型的输入特征量化街道空间品质。该方法包括：通过收集街景图片并进行处理，制作相应的数据集，进而训练跨连CNN+SVR网络，得到网络的参数模型，利用参数模型进行街道空间品质的量化。
一种基于 cnn svr 街道空间品质量化方法

[发明专利]基于LSTM-GASVR的多尺度短时交通流预测建模、预测方法及系统-CN202110856839.5在审
发明人：程鑫;周经美;常惠;王宏飞;乔通;张晓静;宋佳纯;赵犇;翟茗禹;连新宇;郭兰英 -专利权人：长安大学
申请日： 2021-07-28 - 公布日： 2021-11-19 - 主分类号： G08G1/01 文献下载
摘要：建模方法包括：对采样的交通流数据进行重构、归一化及工作日因素升维等步骤预处理数据；建立LSTM模型提取数据特征，训练LSTM短时交通流预测模型；使用遗传算法GA优化SVR模型中的参数，选择最优的模型参数组合，训练SVR短时交通流预测模型；利用SVR算法优化LSTM模型的预测结果，输出结果即为未来15min的交通流预测值，实现了交通流的实时高精度预测。多种预测方法比较分析表明，本发明较LSTM、GRU、CNN、SAE、ARIMA、SVR，预测精度提高了20％，R2达到了0.982，解释方差为0.982，mape
基于 lstm gasvr 尺度短时交通流预测建模方法系统

[发明专利]一种排气声优化方法、装置及存储介质-CN202310181667.5在审
发明人：杨亮;贾小利;廖祥凝;张江生 -专利权人：重庆长安汽车股份有限公司
申请日： 2023-02-28 - 公布日： 2023-08-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种排气声优化方法、装置及存储介质，其包括如下步骤：S1，构建以排气声客观量化参数作为输入、以排气声运动感满意度作为输出的CNN‑SVR混合模型；S2，采集车辆的排气声并对采集的排气声进行客观量化分析，得到车辆排气声的客观量化参数；S3，将S2得到的车辆排气声的客观量化参数输入至S1的CNN‑SVR混合模型，输出车辆排气声运动感满意度，若车辆排气声运动感满意度≥目标满意度，则不对车辆进行优化，若车辆排气声运动感满意度
一种排气优化方法装置存储介质

[发明专利]一种基于SVR模型的自适应区域池化物体检测方法-CN201710024021.0有效
发明人：季云峰 -专利权人：江苏信息职业技术学院
申请日： 2017-01-13 - 公布日： 2020-04-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于SVR模型的自适应区域池化物体检测方法，该基于SVR模型的自适应区域池化物体检测方法适用于分割区域，区域粗匹配机制能有效选择和测试对象，能自动发现不同的样本和区域，能够适应物体的区域结构变化再利用区域池化法提取特征解析区域结构，最后，分类数据采用了非极大值抑制法来得到检测结果，对非刚性目标（例如奶牛，羊等）上具有很好的效果，与其他同类方法相比，提出的方法对物体检测的性能明显提升，其中平均召回率达到了90.8%，加入CNN
一种基于 svr 模型自适应区域物体检测方法

[发明专利]一种基于GWO-SVR的分步网络流量预测方法-CN202110547557.7有效
发明人：李宏慧;付学良;张佳琪 -专利权人：内蒙古农业大学
申请日： 2021-05-19 - 公布日： 2022-07-08 - 主分类号： H04L41/147 文献下载
摘要：本发明公开了一种基于GWO‑SVR的分步网络流量预测方法，其提出了两种基于GWO灰狼优化算法和SVR支持向量回归的预测方法：单步预测方法(SGWO‑SVR)和两步预测方法(TGWO‑SVR)；这两种方法均利用灰狼优化算法优化SVR算法中的三个参数C、ε、γ，再分别通过单步、两步预测方法建立SVR预测模型，实现对未来网络流量的预测。实验结果表明，与SVR、GA‑SVR、DE‑SVR相比，本发明提出的SGWO‑SVR和TGWO‑SVR预测方法具有较高的预测精度。
一种基于 gwo svr 分步网络流量预测方法

[发明专利]一种基于迭代聚集网格搜索算法的支持向量回归模型-CN202011286631.6在审
发明人：车金星;冼华锋;刘娜;叶雨 -专利权人：南昌工程学院
申请日： 2020-11-17 - 公布日： 2021-02-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于迭代聚集网格搜索算法的支持向量回归模型(IFGS‑SVR)。本发明提出了一种迭代聚集网格搜索(IFGS)算法来解决SVR超参数的详细选择问题，它通过检查每个子区域的性能来搜索最优子区域，从而避免了网格设置的大量浪费。通过使用中国江西省某县的一个真实的电力负荷数据集，将形成的IFGS‑SVR模型与其他的SVR模型进行比较，这些模型的参数是通过网格搜索(GS‑SVR)、粒子群优化(PSO‑SVR)、模拟退火(SA‑SVR)、差分进化(DE‑SVR)、蚁群优化(ACO‑SVR)和遗传算法(GA‑SVR)获得的。实验结果揭示了IFGS‑SVR模型在精度和运行时间上优于其他模型。
一种基于聚集网格搜索算法支持向量回归模型

[发明专利]支持多点跨平台通讯的数控机床远程控制方法-CN201010581308.1有效
发明人：黄骏;吴文江;王品;盖荣丽;刘峰;建北方 -专利权人：沈阳高精数控技术有限公司;中国科学院沈阳计算技术研究所有限公司
申请日： 2010-12-09 - 公布日： 2012-07-04 - 主分类号： G05B19/406 文献下载
摘要：本发明涉及一种支持多点跨平台通讯的数控机床远程控制方法，将数控机床系统划分HMI端和NC端两部分；将NC端划分为机床控制单元和SVR端；在HMI端和SVR端分别建立HMI缓冲区和SVR缓冲区；将SVR端划分为SVR消息层、SVR网络控制层以及SVR系统平台相关层；将HMI端划分为用户层、HMI消息层、HMI网络控制层和HMI系统平台相关层；HMI端产生的指令形式传送给SVR端，SVR端将数控机床状态数据传送给HMI端；HMI端从HMI缓冲区取出；SVR端通过SVR消息层将用户指令传递给机床控制单元控制机床动作。
支持多点平台通讯数控机床远程控制方法

[发明专利]一种基于GA-SVR算法森林生物量的估测方法-CN202110230134.2有效
发明人：姬永杰;张王菲;徐昆鹏 -专利权人：西南林业大学
申请日： 2021-03-02 - 公布日： 2022-08-16 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种基于GA‑SVR算法森林生物量的估测方法，涉及森林地上生物量估算技术领域。本发明的基于GA‑SVR算法森林生物量的估测方法，提出的GA‑SVR算法共输入13个特征和8组参数，对研究区域的森林生物量进行了估测，本发明公开的GA‑SVR方法的估计精度明显高于SVR+GA算法和GA+Grid SVR算法，GA‑SVR算法同步优化了参数和特征，为森林生物量估计提供了更好的性能。
一种基于 ga svr 算法森林生物量估测方法

[发明专利]一种基于LSTM-SVR的超级电容器剩余使用寿命预测方法-CN202210572695.5在审
发明人：刘晓明;任宇朋;陈海;姜文涛 -专利权人：河北工业大学
申请日： 2022-05-25 - 公布日： 2022-07-22 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于LSTM‑SVR的超级电容器剩余使用寿命预测方法，包括改进粒子群算法IPSO分别优化LSTM和支持向量机SVR，计算LSTM的隐藏层单元的数量与随机失活Dropout概率和SVR的惩罚参数与核参数的最优解；所述的最优解作为LSTM和SVR的最优参数，并分别对LSTM和SVR进行训练；根据以训练好的LSTM和SVR的训练容量预测值与超级电容器容量实际值误差平方和最小为准则，利用最小二乘法计算LSTM与SVR预测模型的权重系数，建立LSTM‑SVR组合预测模型并对超级电容器剩余寿命进行预测。本发明的预测方法通过IPSO算法寻求LSTM和SVR的最优参数，并且结合LSTM算法时序性强，能够充分挖掘历史数据的规律与SVR算法非线性映射和小样本学习的优势两者的优点，能够更加准确的预测超级电容剩余使用寿命
一种基于 lstm svr 超级电容器剩余使用寿命预测方法

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 8908 条