-
公开(公告)号：CN116882392A
公开(公告)日：2023-10-13
申请号：CN202310663958.8
申请日：2023-06-06
申请人： 国网福建省电力有限公司电力科学研究院 , 北京邮电大学
IPC分类号： G06F40/253 , G06F40/211 , G06F40/289 , G06F17/16 , G06N3/0464 , G06N3/094
摘要： 本发明提供一种基于改进BERT‑CNN的电力变压器故障识别方法及系统，所述方法的步骤包括：接收运维文档数据，对所述运维文档数据进行分词处理，得到运维词语；将每个所述运维词语数据均输入到预设的BERT模型中，所述BERT模型输出对应每个运维词语的词语向量；将全部所述词语向量组合为初始词语矩阵，将所述初始词语矩阵分别输入到CNN模型的多个通道中，所述CNN模型中每个通道均设置有卷积层和池化层，由每个所述池化层输出更新词语矩阵；将每个通道输出的所述更新词语矩阵进行组合，并输入到所述CNN模型中的全连接层，所述全连接层输出对应每种电力变压器故障的参数，以最大的参数对应的电力变压器故障作为输出故障。本方法能精准识别电力变压器故障。
-
公开(公告)号：CN116091858A
公开(公告)日：2023-05-09
申请号：CN202211347620.3
申请日：2022-10-31
申请人： 北京邮电大学 , 国网福建省电力有限公司电力科学研究院
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06V20/50 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/088 , G06N3/09 , G06N3/096
摘要： 本发明提供一种半监督学习电力设备目标检测模型训练方法、检测方法及装置，所述方法包括：采用带有真实标签的电力设备图像训练第一初始神经网络模型得到教师模型，将无标签的电力设备图像输入教师模型得到带有伪标签的电力设备图像，利用带真实标签的电力设备图像和数据增强后的带有伪标签的电力设备图像训练第二初始神经网络模型迭代得到学生模型，作为电力设备目标检测模型。本发明能够减少电力设备图像标注时的人力物力需求，提高了标签效率，构建了更多数量的样本以训练得到检测能力更强的电力设备目标检测模型。
-
公开(公告)号：CN116703901B
公开(公告)日：2023-10-31
申请号：CN202310970353.3
申请日：2023-08-03
申请人： 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC分类号： G06T7/00 , G06T7/10 , G06T7/136 , G06V10/764
摘要： 本申请提供一种肺部医学CT影像分割及分类装置及设备，装置包括：目标肺实质提取模块用于基于预设的CT阈值对当前的目标肺部医学CT影像数据进行肺实质区域提取；多任务分割及分类模块用于将所述目标肺实质图像数据分别输入多个肺部医学CT影像分割及分类模型，以得到多个肺部病灶区域分割及病灶分类结果数据，肺部医学CT影像分割及分类模型为nnUNet优化模型；分割及分类结果确定模块用于确定目标肺部病灶区域分割及病灶分类结果数据。本申请能够实现对肺部医学CT影像的自动化病灶区域分割及病灶分类，并能够在不要求数量来源相同的基础上，有效提高肺部医学CT影像分割及分类结果的可靠性及准确性。
-
公开(公告)号：CN113556728B
公开(公告)日：2023-09-22
申请号：CN202110631016.2
申请日：2021-06-07
申请人： 北京邮电大学
摘要： 一种基于复合信息素浓度场蚁群算法的Ad hoc网络路由，该方法根据蚂蚁个数和传感器网络空间大小确定搜索区域大小，将每只蚂蚁置于相应的搜索区域中并设置初始获得光点概率，将第k只蚂蚁未经过的节点设置为节点集合，当节点集合不为空时，假设所述第k只蚂蚁下一步将从节点i移动到节点j，然后计算所述节点i和所述节点j之间的欧氏距离及其倒数并计算每只蚂蚁将要转移的位置、路径的信息素浓度以及根据路径的信息浓度更新路径信息浓度，满足预设条件后通过路径信息素浓度设定Ad hoc网络路由。上述方案可提高Ad hoc网络的收敛速度以及全局寻优能力，并可有效抵抗针对节点的网络攻击、数据拥塞等带来的节点失效，从而提高网络性能。
-
公开(公告)号：CN113595616B
公开(公告)日：2022-05-17
申请号：CN202110860476.2
申请日：2021-07-27
申请人： 北京邮电大学
IPC分类号： H04B7/185
摘要： 本发明公开了一种基于卫星天线波束指向优化的NGSO系统间干扰减缓方法，属于低轨卫星通信领域，具体是：首先，构建受扰卫星系统和干扰卫星系统的通信链路的干扰场景；然后，卫星向地球站发送卫星信号，分别计算地球站接收的功率，并进一步计算功率比需满足的约束条件；接着，定义卫星天线波束指向的动态禁区，构建优化目标函数，并满足约束条件，将NGSO星座系统间频率共存问题转换成非线性多元函数优化问题；最后，求解出目标函数的最小值Γmin，作为卫星天线波束指向的禁区角。判断干扰卫星波束视轴指向是否位于禁区内，如果是，干扰卫星天线要自适应地调整波束指向，减缓有害干扰；否则，没有造成有害干扰。本发明能提升系统间的频率兼容性。
-
公开(公告)号：CN113556728A
公开(公告)日：2021-10-26
申请号：CN202110631016.2
申请日：2021-06-07
申请人： 北京邮电大学
摘要： 一种基于复合信息素浓度场蚁群算法的Ad hoc网络路由，该方法根据蚂蚁个数和传感器网络空间大小确定搜索区域大小，将每只蚂蚁置于相应的搜索区域中并设置初始获得光点概率，将第k只蚂蚁未经过的节点设置为节点集合，当节点集合不为空时，假设所述第k只蚂蚁下一步将从节点i移动到节点j，然后计算所述节点i和所述节点j之间的欧氏距离及其倒数并计算每只蚂蚁将要转移的位置、路径的信息素浓度以及根据路径的信息浓度更新路径信息浓度，满足预设条件后通过路径信息素浓度设定Ad hoc网络路由。上述方案可提高Ad hoc网络的收敛速度以及全局寻优能力，并可有效抵抗针对节点的网络攻击、数据拥塞等带来的节点失效，从而提高网络性能。
-
公开(公告)号：CN106656637B
公开(公告)日：2019-11-26
申请号：CN201710101634.X
申请日：2017-02-24
申请人： 国网河南省电力公司电力科学研究院 , 北京邮电大学 , 国家电网公司
IPC分类号： H04L12/24
摘要： 本发明实施例提供了一种异常检测方法及装置，方法包括：获得电网系统的目标时间序列数据，并将目标时间序列数据转换成第一矩阵；将第一矩阵输入到预先训练得到的编解码模型中，获得第二矩阵，计算第二矩阵相对于所述第一矩阵的第一误差，并在第一误差超出预设的误差范围时，确定目标时间序列数据为异常序列数据。应用本发明实施例，利用预先训练得到的编解码模型检测异常，减少了电力系统异常检测工作中的人工工作量，提高了异常检测效率。
-
公开(公告)号：CN104635062B
公开(公告)日：2018-05-29
申请号：CN201510033729.3
申请日：2015-01-23
申请人： 北京邮电大学
IPC分类号： G01R29/08
摘要： 本发明公开了一种环境电磁辐射监测系统，包括：本振模块，用于产生本振扫频信号；信号接收模块，用于接收监测的环境中电磁辐射的射频信号；下变频混频器，用于将本振模块产生的本振扫频信号和信号接收模块接收的射频信号进行混频实现下变频后输出中频信号；第一低通滤波器，用于对下变频混频器输出的中频信号进行滤波；中频信号检测模块，用于接收滤波后的中频信号，以及将中频信号的功率大小转换成模拟电平值；控制模块，用于获取模拟电平值，并将该模拟电平值转换成数字信号电平值。本发明的监测系统具有可编程，多功能，能耗低，操作简单等特点，能有效测量空间环境射频辐射信号，并有效定量分析信号功率，可应用于环境电磁辐射测量与监测。
-
公开(公告)号：CN106991293A
公开(公告)日：2017-07-28
申请号：CN201710344813.6
申请日：2017-05-16
申请人： 北京邮电大学
IPC分类号： G06F19/00
CPC分类号： G16H50/30
摘要： 本发明实施例公开了一种重症疾病早期沟通系统、方法及沟通仪。其中，重症疾病早期沟通系统包括：信息采集模块，用于采集用户身体指标信息，并将采集到的用户身体指标对应的用户身体指标信息传输到核心控制模块；核心控制模块，与信息采集模块相连接，用于控制信息采集模块采集用户身体指标信息，并根据核心控制模块内设置的预设评分单元，将接收到的用户身体指标信息、对用户身体指标评分，得到用户身体指标总分数值的评分结果，评分结果表征用户身体指标整体处于正常身体状态、亚健康身体状态、疾病身体状态、危险身体状态中的一种状态；信息传输模块，用于将数据输出或者将数据传输到医院重症加强护理病房ICU中心网络平台。
-
公开(公告)号：CN106909989A
公开(公告)日：2017-06-30
申请号：CN201710101569.0
申请日：2017-02-24
申请人： 国网河南省电力公司电力科学研究院 , 北京邮电大学 , 国家电网公司
摘要： 本发明实施例提供了一种电网扰动预测方法及装置，通过获取电网中节点的监测数据；根据监测数据，判断节点的是否发生扰动；当节点中一个或多个节点发生扰动时，将节点当前时刻的扰动状态值作为LSTM‑RTRBM深度学习模型的输入；通过LSTM‑RTRBM深度学习模型，预测在当前时刻后的一个或多个时间步长内节点的扰动状态值；根据当前时刻后的多个时间步长内节点的扰动状态值，预测出扰动在节点之间随一个或多个时间步长传播的情况，从而不需要根据电网中的各种实际物理参数进行运算，利用LSTM‑RTRBM深度学习模型通过完全的数据驱动就可以预测出扰动在空间上和时间上两个维度的传播情况，提高了扰动传播预测的效率和准确性。
-
-
-
-
-
-
-
-
-
搜索结果
64 条记录 (耗时 0.069 秒)
