-
公开(公告)号：CN117197513A
公开(公告)日：2023-12-08
申请号：CN202311439790.9
申请日：2023-11-01
申请人： 合肥工业大学
IPC分类号： G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/088
摘要： 本发明涉及深度学习领域及电气技术领域，尤其是一种基于图神经网络的雷电定位点云聚类模型、方法和系统。雷电定位云团聚类模型包括图特征提取器、图结构提取器、信息混合模块以及聚类模块；雷电定位云团聚类模型基于点云的节点信息矩阵X构建图特征嵌入向量H，基于节点信息矩阵X和邻接矩阵A构建图结构嵌入向量Z，信息混合模块第l层的输出为混合后特征矩阵H(l)和Z(l)；聚类模块基于信息混合模块输出的嵌入矩阵S对点云进行聚类，聚类后的簇即为模型标注的雷暴云团。本发明提出了一种雷电定位云团聚类模型，采用图神经网络进行自监督学习，得到雷电点云聚类结果，大大提高了雷暴云团的定位精度。
-
公开(公告)号：CN116611194B
公开(公告)日：2023-09-29
申请号：CN202310868481.7
申请日：2023-07-17
申请人： 合肥工业大学
IPC分类号： G06F30/18 , G06F30/27 , G06N3/092 , G06F113/04
摘要： 本发明涉及雷击防控和配电网保护技术领域，尤其是一种基于深度强化学习的线路重合调度策略模型、方法和系统。本发明主要是通过将具有影响雷击后线路状况的特征耦合关系信息与线路中电器之间的拓扑关系信息耦合输入到Actor‑Critic网络中，对Actor‑Critic网络模型训练直至获取到收敛的最佳重合闸调度策略。本发明考虑线路中不同电器的电阻有所差异将线路中电器节点划分到若干区域，可使得电器电阻对线路雷击跳闸后是否采取正确动作的影响降低，从而提高线路重合调度决策的正确性，减少了调度失败的概率。
-
公开(公告)号：CN116739048A
公开(公告)日：2023-09-12
申请号：CN202311027952.8
申请日：2023-08-16
申请人： 合肥工业大学
IPC分类号： G06N3/0455 , G01W1/10
摘要： 本发明涉及人工智能和雷电预警技术领域，尤其是一种基于多元transformer的雷电长时预测模型、方法和系统。本发明提出的雷电长时预测模型，对雷电数据进行去缓和处理，缓和编码模块包括缓和层、第一线性网络、第一相关性运算层和激活输出层，缓和编码模块通过相关性计算筛选高相关的时间点进行编码；通过雷电数据与时间编码逐行累加，更好地捕捉雷电数据的时间依赖性；对多维雷电数据时间序列进行去缓和处理，还原雷电发生的突然性，大大提高了预测准确率。且本发明中，采用雷电参数与雷达回波图像组合成样本，实现多种资料配合使用，取长补短，进一步提高了雷电预测的准确性，增加预测的时间长度。
-
公开(公告)号：CN116629142A
公开(公告)日：2023-08-22
申请号：CN202310904397.6
申请日：2023-07-24
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08 , G01R29/08 , G01W1/10
摘要： 本发明涉及人工智能技术领域，尤其是一种基于transformer机制的雷电定位轨迹预测方法、系统和存储介质。本发明提出的基于transformer机制的雷电定位轨迹预测方法，将Transformer与时序分解方法相结合，其中分解方法捕获时间序列的整体轮廓，而Transformer捕获更详细的结构，这使得模型可以捕捉时间序列的全局视图。本发明中在时域特征提取时，通过M(q(i),K1)选择出少数对主要注意有贡献的点积进行后续注意力提取，降低了算法复杂度，提高了计算资源的有益性，从而提高了模型预测能力。
-
公开(公告)号：CN116304604B
公开(公告)日：2023-08-18
申请号：CN202310531272.3
申请日：2023-05-12
申请人： 合肥工业大学
IPC分类号： G06F18/21 , G06F18/24 , G06F18/214 , G06N3/0475 , G06N3/088
摘要： 本发明涉及数据检测技术领域，尤其涉及一种多变量时间序列数据异常检测、模型训练方法和系统，解决了现有各类技术在多变量时间序列异常数据检测时，存在的受噪声影响大、检测效果不理想、无法实现实时检测的问题。本发明提出的一种多变量时间序列数据异常检测模型训练方法，额外增加了用以消除噪声影响的自适应权重和过滤模块，并采用对比学习的方法学习数据特征，以提升模型的泛化能力。本发明在异常检测阶段，着重考虑重构误差，并设计了用于评估数据异常程度的评价函数，本发明训练的异常检测模型具有更好的F1得分，展现模型在鲁棒性上显著超越了现有技术。
-
公开(公告)号：CN116319378B
公开(公告)日：2023-07-21
申请号：CN202310545574.6
申请日：2023-05-16
申请人： 合肥工业大学
IPC分类号： H04L41/14 , G06N3/084 , G06N3/0455 , H04L41/16
摘要： 本发明涉及网络工程和人工智能技术领域，尤其是一种基于深度学习的网络流量矩阵估计、模型训练方法和系统。本发明针对包含映射模块和重构模块的基础模型进行训练，提取训练完成的映射模块作为网络流量矩阵估计模型。映射模块结合链路负载计算流量矩阵，重构模块结合流量矩阵重构链路负载估计值。本发明能够在数据集不完整的情况下，利用双损失机制保证基础模型对现实TM估计的准确性、鲁棒性与实时性，本发明解决了实际生活中大量存在的训练数据集缺失导致的模型欠收敛问题。
-
公开(公告)号：CN116341685A
公开(公告)日：2023-06-27
申请号：CN202310627166.5
申请日：2023-05-31
申请人： 合肥工业大学智能制造技术研究院
摘要： 本发明涉及边缘计算技术领域，尤其是一种基于联合注意力的分布式计算卸载模型训练方法和系统。本发明提出的一种基于联合注意力的分布式计算卸载模型训练方法，首先结合全网状态对全局网络模型进行参数训练，将全局网络模型收敛后的参数泛用于各个边缘网络模型，然后再对各个边缘网络模型进行本地训练。通过全局网络模型的参数下放，大大提高了本地训练的收敛速度。本发明提出的一种基于联合注意力的分布式计算卸载方法，采用本发明训练方法训练子网决策模型决策子网中各计算任务的卸载位置，实现了更高的卸载成功率和更低的能耗。且本发明训练的子网决策模型在异构子网上的表现更加平均、稳定。
-
公开(公告)号：CN115809147B
公开(公告)日：2023-04-25
申请号：CN202310060149.8
申请日：2023-01-16
申请人： 合肥工业大学智能制造技术研究院
IPC分类号： G06F9/50 , G06F9/48 , G06F12/126 , G06N3/045 , G06N3/0442 , H04L67/568 , H04L67/10 , H04L67/60
摘要： 本发明涉及协作边缘缓存领域，尤其涉及一种多边缘协作缓存调度优化方法、系统及模型训练方法。本发明提出的一种多边缘协作缓存调度优化方法，构建基于多智能体深度强化学习的MAPPO算法框架对面向反向服务迁移的多边缘协作缓存调度问题进行求解，从而可以很好地解决多智能体训练时环境不稳定的问题，而在执行时只需要本地状态信息就可以进行缓存决策，更符合实际应用场景且能够有较快的执行效率。同时MAPPO算法通过使用一个集中的Critic函数，使所有的边缘端关注整体收益，适用于多智能体的合作场景。
-
公开(公告)号：CN115344395A
公开(公告)日：2022-11-15
申请号：CN202211272276.6
申请日：2022-10-18
申请人： 合肥工业大学智能制造技术研究院
摘要： 本发明提出了一种面向异质任务泛化的边缘缓存调度、任务卸载方法和系统。本发明公开了一种面向异质任务泛化的边缘缓存调度方法，首先在不区分智能体的情况下，采用所有智能体共用经验池的方式对基础模型进行训练，然后通过所有基础模型的参数平均获得初始化参数；本发明中以初始化参数为不同智能体对应的决策模型的初始值，然后根据各智能体对应的经验池样本训练决策模型。本发明中，初始化参数的使用，大大提高了决策模型的泛化能力和收敛效率。
-
公开(公告)号：CN114951030A
公开(公告)日：2022-08-30
申请号：CN202210637490.0
申请日：2022-06-08
申请人： 合肥工业大学智能制造技术研究院
摘要： 本发明公开了一种应用于锂电池的表面缺陷检测装置，包括运送机构，所述运送机构的顶部固定安装有位于其中部的拨动机构；通过拨动机构能够推动承载机构沿着运送带的轨迹顺时针方向转动，同时拨动机构能够自动对柱形锂电池进行扫描检测，通过驱动机构对自旋转机构施加摩擦力，使自旋转机构能够在摩擦力的作用下运行，通过自旋转机构能够驱动柱形锂电池在检测位上滚动，使拨动机构能够对柱形锂电池上的所有面进行连续的扫描检测，一次性完成对柱形锂电池的检测工作，不需要人工对柱形锂电池进行翻面，检测的更加充分，通过筛选机构能够将不合格的柱形锂电池筛选出，提高了该应用于锂电池的表面缺陷检测装置的实用性。
-
-
-
-
-
-
-
-
-
搜索结果
142 条记录 (耗时 0.031 秒)
