“dbn9004”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713个，建议您升级VIP下载更多相关专利

[发明专利]基于稀疏DBN模型的遥感影像林地变化检测方法-CN201811329024.6在审
发明人：刘润东;余万东;梅树红;范城城;黄发;罗蔚生;莫奇京;李惺颖;蒋齐跃;王国忠;麦超;施宇军 -专利权人：广西壮族自治区遥感信息测绘院
申请日： 2018-11-09 - 公布日： 2019-04-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于稀疏DBN模型的遥感影像林地变化检测方法，包括步骤1，对前后两期高分辨率遥感影像进行分割；步骤2，计算所有像斑的植被覆盖指数；步骤3，在深度置信网的基本单元受限玻尔兹曼机中添加稀疏正则项本发明基于人类视觉信息系统采用稀疏编码方法，将稀疏约束引入到DBN中，得到稀疏DBN模型，进而基于稀疏DBN模型进行高分辨率遥感影像变化检测，得到林地变化检测结果。
稀疏置信变化检测高分辨率遥感影像林地受限玻尔兹曼机遥感影像基本单元人类视觉稀疏编码信息系统样本训练植被覆盖自动分类堆叠分割检测引入

[发明专利]基于改进FPA-DBN的轴承剩余寿命预测方法-CN202110921841.6在审
发明人：张建宇;戴洋 -专利权人：北京工业大学
申请日： 2021-08-12 - 公布日： 2021-12-17 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于改进FPA‑DBN的轴承剩余寿命预测方法，首先从已知的轴承数据集中选取一部分轴承作为训练集，一部分作为测试集。之后对训练集和测试集轴承分别进行特征提取和降噪。将DBN各中间层神经元作为种群个体，并初始化DBN模型和改进FPA算法的相关参数，同时将训练集轴承的特征输入到模型中。根据训练集轴承的均方根误差选出当前最优个体并记录其位置。之后将测试集轴承特征代入到训练好的DBN模型中，进行预测。本发明所提的方法在进行轴承剩余寿命预测时，性能优于传统的算法。
基于改进 fpa dbn 轴承剩余寿命预测方法

[发明专利]基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法-CN202210148995.0在审
发明人：周凌;刘颖慧;陈颖 -专利权人：湖南工业大学
申请日： 2022-02-18 - 公布日： 2022-05-06 - 主分类号： F03D17/00 文献下载
摘要：本发明公开了基于SCADA和FISSA‑DBN模型的风电机组运行状态监测方法，包括以下步骤：所述步骤(1)对SCADA检测风电机组运行的数据进行选择；所述步骤(2)对风电机组运行数据预处理；所述步骤(3)预测模型参数确定；所述步骤(4)对选取的输入输出参数数据，进行标准化处理；所述步骤(5)FISSA‑DBN模型拓扑结构；所述步骤(6)DBN参数优化；所述步骤(7)模型训练；所述步骤(8)预测模型应用本发明通过根据重构误差和EWMA阈值来判断风电机组及部件是否有异常情况，FISSA‑DBN模型的预测结果与风电机组实际运行记录相吻合，预测模型发现状态异常的时间要早于实际运行记录时间，有利于风场工作人员尽早做出判断
基于 scada fissa dbn 模型机组运行状态监测方法

[发明专利]卷烟制丝设备故障根本原因的因果推理方法及存储介质-CN202211167849.9在审
发明人：龚良浩;吴悦;徐潇媛;李文亮;季亦帆;赵志新;司小山;林保忠 -专利权人：红云红河烟草（集团）有限责任公司
申请日： 2022-09-23 - 公布日： 2022-12-23 - 主分类号： G06N5/04 文献下载
摘要：本发明公开卷烟制丝设备故障根本原因的因果推理方法及其存储介质，第一步，进行数据预处理；第二步，基于专家知识预定义DBN模型；第三步，求解最优DBN模型；第四步，估计DBN参数，包括故障节点的先验概率分布和症状节点的条件概率分布；第五步，利用最优的DBN模型进行故障诊断，本发明能够推理出故障发生的根本原因，从而指导技术人员采取相应的处理措施，减少技术人员排查故障所耗费的时间，提高故障处理效率，减少故障停机造成的损失，使用不完全的故障机理结合历史生产数据
卷烟设备故障根本原因因果推理方法存储介质

[发明专利]基于谱聚类分析的电压自动分区控制方法-CN202310408317.8在审
发明人：姬玉泽;陈文刚;王新瑞;蒋涛;李海燕;田瑞敏;郝鑫杰;李远;徐丽美;徐囡;徐国斌;朱剑飞;许泳涛;张玉娟 -专利权人：国网山西省电力公司晋城供电公司
申请日： 2023-04-17 - 公布日： 2023-08-08 - 主分类号： H02J3/12 文献下载
摘要：根据电网运行数据进行电压分区控制策略的制定；根据电压分区控制运行区域进行电压控制策略标签数据的制定；根据标签数据集采用谱聚类分析算法对输入数据进行聚类，得到每类标签对应的输入样本数据集；对输入样本数据集进行归一化处理；建立基于DBN网络的电压自动控制模型，采用输入样本数据集对基于DBN网络的电压自动控制模型进行训练，将电压实时采集数据输入DBN网络，基于DBN网络进行电压数据的分类识别，实时下发电压控制指令；本发明应用于电网电压自动控制
基于聚类分析电压自动分区控制方法

[发明专利]一种用于检测和防御SDN环境中DDoS攻击的对抗性DBN-LSTM方法-CN202211379041.7在审
发明人：霍如;王志浩;黄韬;魏亮;汪硕 -专利权人：南京优速网络科技有限公司
申请日： 2022-11-04 - 公布日： 2023-05-02 - 主分类号： H04L9/40 文献下载
摘要：本发明提供了一种用于检测和防御SDN环境中DDoS攻击的对抗性DBN‑LSTM方法，其特征在于，设计了面向SDN对抗性DBN‑LSTM异常检测架，确定了对DDoS攻击检测流程，包括了数据收集模块、数据处理模块、对抗性DBN‑LSTM异常检测模块以及异常防御模块；本发明通过DBN实现的特征提取，以更小的规模精确地表示SDN中DDoS的特征，大大降低了大规模数据的计算成本，从而减少了训练和测试过程的时间消耗。
一种用于检测防御 sdn 环境 ddos 攻击对抗性 dbn lstm 方法

[发明专利]一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法-CN201811008973.4有效
发明人：张彼德;孔令瑜;李宜;梅婷;洪锡文;陈颖倩;肖丰 -专利权人：西华大学
申请日： 2018-08-31 - 公布日： 2020-11-27 - 主分类号： G01R31/00 文献下载
摘要：本发明是一种基于ISOS‑DBN模型的光伏并网逆变故障特征提取诊断方法，属于光伏发电系统信号处理与诊断领域。包括以下步骤：采集各种工作状态下逆变器电流信号，并作归一化处理；利用训练样本进行DBN训练，训练过程中采用ISOS算法对网络模型参数进行优化选择，得到一个ISOS‑DBN模型与训练集特征数据；计算训练集特征数据集不同故障类别的类心，形成故障样本库；将测试样本输入至ISOS‑DBN模型中计算出待测样本特征数据，并计算测试样本与样本库中各故障类心的夹角余弦距离；对比样本故障库确定故障类型。
一种基于 isos dbn 模型并网故障特征提取诊断方法

[发明专利]一种基于深度信念网络特征提取的电子鼻漂移补偿方法-CN201610120715.X有效
发明人：魏善碧;柴毅;罗宇;石华云;夏有田;孙秀玲 -专利权人：重庆大学
申请日： 2016-03-03 - 公布日： 2019-01-18 - 主分类号： G01N27/04 文献下载
摘要：本发明公开了一种基于深度信念网络特征提取的电子鼻漂移补偿方法，包括以下步骤：通过对电子鼻传感器得到的模拟信号特征进行信号预处理，得到浅度特征；采用逐层贪婪学习算法，训练DBN模型；然后通过这个模型提取浅度特征的深度特征本发明在已有的电子鼻漂移补偿算法中的自适应校正方法上，提出了采用DBN对电子鼻传感器数据进行深度特征提取的方法，从而在特征层面上抑制了漂移现象的干扰，强化了有效特征间的耦合性；由于DBN的无监督特性，因此自适应校正方法与DBN的结合并没有影响它的自适应特性，这种改良的方法依然具有良好的实用性。
一种基于深度信念网络特征提取电子漂移补偿方法

[发明专利]一种基于DBN模型的冷水机组故障诊断方法-CN201710964725.6有效
发明人：王智伟;王亚兰;何所谓;王占伟 -专利权人：西安建筑科技大学
申请日： 2017-10-17 - 公布日： 2020-01-07 - 主分类号： G01M13/00 文献下载
摘要：本发明公开了一种基于DBN模型的冷水机组故障诊断方法，包括：通过传感器采集到的实验或现场冷水机组存储的历史数据，获得无故障和故障运行的历史数据，对历史数据进行稳态筛选和特征提取；利用统计学和概率论的方法确定条件概率值，并构建DBN模型；若无正确率过低的故障，则输出DBN模型，若存在正确率过低的故障，则增补额外的非传感器信息；重新构建融入现场信息的DBN模型进行故障诊断，并对该模型是否可用于冷水机组的故障诊断进行评价
一种基于 dbn 模型冷水机组故障诊断方法

[发明专利]基于DBN的NPC三电平逆变器故障诊断方法及系统-CN202110441416.7有效
发明人：李兵;单万宁;梁舒奇;何怡刚;佐磊;尹柏强;李强;谢长健 -专利权人：合肥工业大学
申请日： 2021-04-23 - 公布日： 2022-07-19 - 主分类号： G01R31/40 文献下载
摘要：本发明涉及一种基于DBN的NPC三电平逆变器故障诊断方法，包括：搭建NPC三电平逆变器实验平台；测量NPC三电平逆变器a相桥臂的上、中、下桥臂三路电压信号并输送到NPC三电平逆变器实验平台的上位机；上位机将上、中、下桥臂电压信号，经过S变换和奇异值分解SVD后作为最终分类的特征向量；将训练集送入改进的深度置信网络I‑DBN中进行训练；利用测试集对训练好的改进的深度置信网络I‑DBN进行测试，分析诊断结果并将结果在上位机的显示界面中显示出来本发明还公开了基于DBN的NPC三电平逆变器故障诊断系统。本发明解决了传统特征提取方法不适合应用于三电平逆变器中突变故障信号和非平稳故障信号的特征提取问题。
基于 dbn npc 电平逆变器故障诊断方法系统

[发明专利]一种基于两级DBN的滚动轴承故障自学习方法-CN201910498258.1有效
发明人：李永亭;齐咏生;师芳;刘利强;刘月文 -专利权人：内蒙古工业大学
申请日： 2019-06-10 - 公布日： 2022-11-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于两级DBN的滚动轴承故障自学习方法，该方法使用不完备的数据建模，首先，对轴承故障信号做S变换处理后提取时间列的均值作为DBN1的输入，将DBN1最后一层隐层提取的特征作为贝叶斯分类器的输入，依据后验概率判别规则实现故障类型自学习；其次，将实现故障类型分类的故障信号经归一化处理后作为DBN2的输入，同样利用贝叶斯分类器的判别规则实现故障损伤等级自学习。
一种基于两级 dbn 滚动轴承故障自学习方法

[发明专利]机载电子产品故障预测方法-CN202010233529.3有效
发明人：梁天辰;文佳;王晓 -专利权人：西南电子技术研究所(中国电子科技集团公司第十研究所)
申请日： 2020-03-30 - 公布日： 2023-08-04 - 主分类号： G06F18/25 文献下载
摘要：本发明通过下述技术方案予以实现：基于多深度置信网络DBN融合，采集机载电子产品关键组件的表征参数，获取机载电子产品历史数据和实时监测数据，通过预设传感器采集机载电子产品实时监测数据；根据设备历史数据训练多个特异性明显的深度置信网络DBN模型，然后利用部分实时监测数据对训练后的DBN模型组进行迁移学习；再根据融合算法和实时监测数据计算各个DBN模型的融合权重，得到多模型融合的预测框架；利用预测框架和传感器实时发回的监测数据预测机载电子产品的降级演化
机载电子产品故障预测方法

[发明专利]一种同步电机励磁绕组匝间短路轻度故障诊断方法-CN202010552808.6有效
发明人：李俊卿;陈雅婷;李斯璇 -专利权人：华北电力大学（保定）
申请日： 2020-06-12 - 公布日： 2023-04-25 - 主分类号： G01R31/52 文献下载
摘要：本发明以卷积网络(CNN)和深度置信网络(DBN)相结合，实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据，经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征，以提取的数据特征为DBN输入，以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络，当连续20个数据样本均被划分为故障时则判定为故障。
一种同步电机绕组短路轻度故障诊断方法

[发明专利]一种注意力机制的深度信念网络DBN检测方法-CN202110703207.5有效
发明人：夏卓群;陈亚玲;尹波;文琴 -专利权人：长沙理工大学
申请日： 2021-06-24 - 公布日： 2023-04-28 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种注意力机制的深度信念网络DBN检测方法，包括：多个智能电表，用于收集电力数据；多个集中器，每一个集中器与管辖的多个智能电表通信连接，用于获取来自对应智能电表的电力数据，并使用带注意力机制的DBN训练模型对电力数据进行训练得到训练参数；数据中心，与所有集中器通信连接，用于获取来自每一个集中器的训练参数，对训练参数进行联邦平均聚合，根据集中器的资源分配DBN训练模型到集中器，以及将联邦平均聚合的结果发送到下一轮集中器，以使集中器将DBN训练模型训练至收敛。
一种注意力机制深度信念网络 dbn 检测方法

[发明专利]基于EM-DBN融合的无量测区太阳辐射估计方法-CN202210520496.X有效
发明人：臧海祥;蒋欣;刘玲;卫志农;孙国强;陈胜;周亦洲;朱瑛;黄蔓云;韩海腾 -专利权人：河海大学
申请日： 2022-05-13 - 公布日： 2023-05-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于EM‑DBN融合的无量测区太阳辐射估计方法，属于电力系统技术领域，该方法流程如下：基于现有数据集，选取日太阳总辐射估计经验模型；利用周边站址和目标站址的气象数据和辐照度数据构建训练集和测试集，基于训练集数据拟合经验模型的函数表达式；通过特征扩维的方式，将经验模型和DBN模型相融合，利用周边站址数据构建EM‑DBN融合模型；结合迁移学习算法，将构建好的EM‑DBN融合模型迁移到无量测目标站址上获得太阳辐射估计值
基于 em dbn 融合无量太阳辐射估计方法