-
公开(公告)号：CN112819218A
公开(公告)日：2021-05-18
申请号：CN202110110653.5
申请日：2021-01-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种高分辨率城市移动源污染时空预测方法、系统及存储介质，包括对历史移动源污染监测数据和外部环境因素数据按指定空间分辨率处理成低分辨率移动源污染、外部环境因素观测序列，以及高分辨率移动源污染观测序列；对上述进行标准化处理；将标准化后的低分辨率历史移动源污染数据按指定时间间隔长度进行切分与当前时刻外部环境因素数据、高分辨率移动源污染数据组合构建历史移动源污染数据样本集；构建高分辨率城市移动源污染时空预测模型，训练模型，利用训练好的预测模型对未来时段的高分辨率移动源污染时空分布进行预测。本发明可以有效处理不同空间尺度下排放清单的空间结构约束，实现在稀疏监测下的高精度排放清单时空分布预测。
-
公开(公告)号：CN112819217A
公开(公告)日：2021-05-18
申请号：CN202110110644.6
申请日：2021-01-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明的一种移动源污染排放主要影响因素预测方法、系统及存储介质，以机动车为研究对象，步骤如下：首先，将收集的车辆年检数据和尾气遥测数据预处理；然后，利用Spearman相关性分析排除与移动源排放气体中主要成分CO、HC、NO气体浓度不存在相关性的因素；再使用Lasso算法确定各成分的关键影响因子，并采用神经网络构建污染物排放预测模型；最后，在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。本发明模型预测的结果表明，基于特征筛选的移动源污染排放数据预测神经网络模型，具有较高的预测精度，可以降低移动源污染排放检测成本以及为相关部门制定相关政策提供理论依据。
-
公开(公告)号：CN114266269B
公开(公告)日：2024-09-13
申请号：CN202111340215.4
申请日：2021-11-12
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种轴承故障诊断方法、系统、存储介质及设备，通过计算机设备执行以下步骤，获取故障发生处的N个传感器的振动信号数据s1,s2,…sN，构建注意力模块ATT，增加有效信息的权值；对经过注意力模块的数据进行预处理，将获取的N个维度的振动信号数据按照设定的规则转化为振动图像，并计算图像的像素值；建立一个调和层，将N个通道的振动信号进行特征融合，充分考虑N个通道的信号特征；利用卷积层构建特征提取器，并输出预测结果。本发明通过提取N个维度的振动信号并加以融合，同时利用注意力机制增加有效信息的权值，使该深度网络具有很好的鲁棒性。
-
公开(公告)号：CN118551239A
公开(公告)日：2024-08-27
申请号：CN202410624135.9
申请日：2024-05-20
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) , 安徽大学
IPC: G06F18/232 , G06F18/2433 , G06N3/0464
Abstract: 本发明涉及在线检测技术领域，公开了一种基于数据流密度增量学习的在线检测异常识别方法，包括：根据数据流自动获取超参数；使用密度增量学习方法对已知数据集进行聚类；计算新输入数据的局部密度和基于聚类的离群因子值并进一步更新数据。本发明结合了iLOF和增量式基于密度的带噪声聚类算法的概念，利用核心k最近邻来计算每个VOCs数据点的局部异常因子，不依赖数据的整体分布，在不同数据分布的情况下都能有效检测离群点。
-
公开(公告)号：CN114218719B
公开(公告)日：2024-08-02
申请号：CN202111269824.5
申请日：2021-10-29
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06F30/18 , G06F30/27 , G06N3/042 , G06N3/0464 , G06N3/096
Abstract: 本发明的一种跨地域排放模型迁移方法、系统、存储介质及设备，方法包括以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。本发明采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。可解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。
-
Patent Agency Ranking
公开(公告)号：CN113919234B
公开(公告)日：2024-06-28
申请号：CN202111269825.X
申请日：2021-10-29
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06F113/08
Abstract: 本发明的一种基于时序特征迁移的移动源排放预测方法、系统及设备，包括通过事先设置的时序预测模型对采集到的数据进行处理预测，时序预测模型的训练步骤如下：采集机动车尾气车载诊断系统数据，并对所采集数据进行预处理；将预处理后的数据进行归一化处理并将其分为训练集和测试集；将训练数据集划分为k段分布最不相似的序列；以预处理后的所有数据预训练一个GRU的时序预测模型；在时序预测模型中加入最大均值差异距离，与均方误差一起作为损失函数，训练迭代达到预设的精度或最大epoch停止；将测试集投入训练好的时序模型上进行预测。本发明在移动源污染预测方面构建精度高和稳定性好的时序模型，为移动源污染防治提供了一定的科学基础。
-
公开(公告)号：CN114743071B
公开(公告)日：2024-06-18
申请号：CN202210453360.1
申请日：2022-04-27
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0464
Abstract: 本发明的一种用于PCB微小缺陷检测的单帧目标检测方法及存储介质，包括以下步骤：S1、获取PCB图像信息，并对图像进行数据预处理；S2、构建网络模型，将处理后的图像输入VGG_16特征提取网络，并对不同层次的特征进行融合，同时消除融合过程中所带来的负面影响；S3、对模型进行训练，并根据训练得到的结果评估性能。本发明利用注意机制来学习跨通道融合的特征之间的关系，并利用shuffle模块消除融合后的混叠效应。提出了非最大抑制方法，以减轻PCB图像的重叠效应。语义上升模块通过将不同层次的特征进行融合，不仅使低层次的特征具备丰富的语义信息，还能让高层次的特征具备更好的回归性，在目标分类与定位方面显著增强，能够更好地适应微小目标的检测。
-
公开(公告)号：CN118069437A
公开(公告)日：2024-05-24
申请号：CN202410045303.9
申请日：2024-01-11
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及人工智能技术领域，公开了一种融合故障树分析和拥塞控制的主板功能测试方法，包括：根据主板故障数据构建主板的故障树；计算测项发生故障的概率；依据故障树计算各测项的可靠度阈值；计算第测项的可靠度阈值与最不可靠测项的可靠度阈值的可靠度比值和可靠比例因子；基于测试比例进行主板功能测试，计算时间消耗与漏检率；通过改进的拥塞控制算法更新测试比例；本发明基于故障树结构和拥塞控制算法，有着坚实的理论基础和强可解释性，可以持续监测主板质量，动态地调整测试策略，提高测试结果的准确性，从而提高产品的质量。
-
公开(公告)号：CN117591350A
公开(公告)日：2024-02-23
申请号：CN202311532532.5
申请日：2023-11-14
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及可靠制造技术领域，公开了一种基于故障树和随机森林的主板功能测试方法，包括以下步骤：根据笔记本主板的原理图，将主板分为多个主板功能模块和PCH芯片组模块；每个主板功能模块或PCH芯片组模块与一个主板功能测项对应；建立主板功能测试故障树，主板功能测试故障树以主板故障为顶事件、以主板功能模块本体故障为中间事件，以导致主板功能模块故障的底层不可分原因为底事件；对故障树进行两轮测项选择将主板功能测项划分为必测项和非必测项；利用故障树自顶向下定量分析，根据主板功能测项结果推导底事件结果；训练随机森林；通过将随机森林与故障树结合的方式补足了两种方法的缺陷。
-
公开(公告)号：CN117132592B
公开(公告)日：2024-01-26
申请号：CN202311382011.6
申请日：2023-10-24
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T5/50 , G06T5/40
Abstract: 本发明涉及缺陷检测技术领域，公开了一种基于熵融合的工业缺陷检测方法，包括以下步骤：步骤一：获取工业产品表面的图像，并对图像进行归一化处理，再采用直方图的熵算法获取熵图；步骤二：构建网络模型，实现熵图和图像的自适应融合，再通过编码器、缺陷增强模块以及解码器得到特征图，并将特征图恢复到编码前的尺寸；步骤三：通过训练数据集对网络模型进行训练，将测试图像输入到训练完成的网络模型中，得到测试图像的缺陷检测结果；本发明对图像的熵进行分析，能更好地提取图像的特征信息；通过熵图和图像的自注意力融合，提高了模型的鲁
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.104 seconds)
