-
公开(公告)号：CN118569480A
公开(公告)日：2024-08-30
申请号：CN202410617369.0
申请日：2024-05-17
申请人： 北京工业大学 , 北京市水利工程管理中心
IPC分类号： G06Q10/063 , G06Q50/06 , G06N3/0442 , G06N3/0455 , G06N3/09
摘要： 本发明提出一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统。方法包括：对泵站监测数据进行数据预处理，得到趋势序列、周期序列和残差序列；对趋势序列进行预测，编码器由多层复合卷积层构成，对趋势序列进行特征提取，引入加权机制的并行神经网络，学习特征信息中不同位置之间的关系，对特征信息进行加权处理，解码器由有门控机制的循环神经网络层构成，对加权信息解码，进行预测；基于多层感知器对周期序列进行预测，将趋势序列预测值和周期序列的预测值与残差序列值相加得到最终的水位预测。本申请提出的方法能够关注输入序列中的不同部分，理解数据的变化规律深入挖掘数据之间复杂的相关作用关系，实现了对泵站水位的准确预测。
-
公开(公告)号：CN113836260A
公开(公告)日：2021-12-24
申请号：CN202110992754.X
申请日：2021-08-27
申请人： 北京工业大学
IPC分类号： G06F16/33 , G06F16/36 , G06F16/951 , G06N3/04 , G06N3/08
摘要： 本发明公开一种基于知识增强的深度学习的总氮含量预测方法，该方法通过分析百度百科关于水质污染参数的信息和水质参数文献，构建了水质知识图谱，得到水质参数之间的知识级信息，并提取出反映水质参数的知识级特征信息，并将其和数据级特征信息结合作为先验知识去解决水质预测问题。另一方面，通过将对抗学习和深度神经网络水质预测模型结合，以提高了模型的鲁棒性和泛化性。最后，将带有知识级和数据级的特征信息输入到水质预测模型中，预测河流总氮的浓度。实验结果表明，该方法将知识级信息和数据级信息结合，融入到基于对抗学习的神经网络水质预测模型中，提高了水质参数的预测精度。
-
公开(公告)号：CN113408799A
公开(公告)日：2021-09-17
申请号：CN202110669073.X
申请日：2021-06-17
申请人： 北京工业大学
IPC分类号： G06Q10/04 , G06F16/215 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开一种基于混合神经网络的河流总氮浓度预测方法。采用孤立森林和朗格拉日法对待预测河流的水质数据进行清洗；然后，将清洗后的待预测水质数据利用一维卷积残差神经网络提取非线性局部特征；然后，使用双向门控循环单元整合时间序列的前后时刻信息，在顶层使用全连接层获得最终的河流总氮浓度预测结果。最后利用评价指标作为模型优劣的评估参数。本发明根据实施例完成了一组实验，以将所提出的方法与传统的、单一的神经网络水质参数预测方法进行对比。实验结果表明，该水质参数预测模型在稳定性和泛化能力方面均有良好体现，有效地降低了预测误差。本方法首次将特征提取模块和双向循环预测模块实现了有机融合，并运用到水质预测领域。
-
公开(公告)号：CN108908940A
公开(公告)日：2018-11-30
申请号：CN201810665637.0
申请日：2018-06-26
申请人： 北京工业大学
IPC分类号： B29C64/386 , B29C64/393 , B33Y50/00 , B33Y50/02
摘要： 本发明公开了一种利用模型排样算法的并行三维打印切片系统，可以快速对大量三维模型文件进行切片。包括以下内容：系统接收海量三维模型，对每个模型进行投影并求取最小包络矩形，利用矩形排样算法对模型进行排列，根据排列结果将模型重构为切片用模型。分布式切片系统根据切片用模型的数量进行分组，并利用不同分机对模型进行切片。本发明的技术特点：对打印件进行投影，并取得投影的最小包络矩形。利用矩形排样算法对模型的投影进行排样，获得打印批次。将同一打印批次的模型重新构建成新的切片用的三维模型。主机对收到的切片用三维模型进行分组。多台分机同时对模型进行切片。分机切片完成后将gcode文件传输给主机。
-
公开(公告)号：CN103218400B
公开(公告)日：2017-04-05
申请号：CN201310084039.1
申请日：2013-03-15
申请人： 北京工业大学
IPC分类号： G06F17/30
摘要： 本发明属于互联网络领域，提供了一种基于链接与文本内容的网络社区用户群划分方法。本发明利用基于链接的分析方法对网络社区用户在链接上所表现出的网络结构进行分析，同时利用基于兴趣的分析方法对用户在文本内容上所表现的相同兴趣结构进行分析，将二者的结果进行差异性融合，得到具有综合性的网络社区用户群划分结果。在此基础上，分别对每一个划分结果进行评价，验证整划分结果的准确性，对不满足指标要求的，按照紧密程度对该群体成员进行筛选。通过两种方式相互验证和补充，提高了划分结果的准确性、可靠性，使得网络社区用户群的划分不再单纯以链接关系为依据，更多地突出了丰富的文本信息在网络社区用户群划分过程中的重要作用。
-
公开(公告)号：CN118535888A
公开(公告)日：2024-08-23
申请号：CN202410015081.6
申请日：2024-01-05
申请人： 北京工业大学 , 北京市南水北调团城湖管理处 , 中国水利水电科学研究院
IPC分类号： G06F18/211 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/09
摘要： 本申请涉及一种泵站水位预测方法及装置，预测方法包括以下步骤：采集泵站水位数据，对水位数据进行数据预处理，得到原始数据集；基于原始数据集根据改进的生成对抗网络生成新样本数据，并将新样本数据补充到原始数据集中，得到扩充数据集；基于图神经网络的特征提取方法对扩充数据集进行特征提取，得到输入数据；基于异步并行的高阶神经网络分类模型，根据输入数据，构建预测模型，以预测泵站水位；本申请能够对大规模、多维度的泵站数据实现高效的处理和分析，有效解决数据量大、复杂度高的问题，提高预测精度以及模型应用范围，从而能够准确预测泵站水位，以提高管理效率和预防可能的水资源危机。
-
公开(公告)号：CN114021789A
公开(公告)日：2022-02-08
申请号：CN202111244293.4
申请日：2021-10-26
申请人： 北京工业大学
摘要： 本发明公开了一种基于特征工程与TabNet网络的降雨预测方法，利用特征工程方法合成新的气象特征与统计特征，通过TabNet网络构建预测模型的降雨预测方法。本发明使用特征工程方法缓解极端降雨与季节型降雨的不确定性，使用结合了神经网络与集成树优点的TabNet网络增加预测的准确率。该方法主要分为4个过程。1)将气象数据分为雨季数据集，非雨季数据集；2)使用特征工程方法生成统计特征，新特征；3)生成预训练模型；4)将新数据集与预训练参数放入TabNet网络生成最终模型；5)收集当天的气象数据，使用特征工程方法进行变换，输入进该发明的模型得到当天具体降雨量。
-
公开(公告)号：CN113974655A
公开(公告)日：2022-01-28
申请号：CN202110809765.X
申请日：2021-07-17
申请人： 北京工业大学
IPC分类号： A61B5/372
摘要： 本发明公开一种基于脑电信号的癫痫发作预测方法，该方法通过结合经验模态分解和卷积神经网络对癫痫的发作形成预测，并帮助医生进行诊断。主要包括如下步骤：对长期监测的脑电信号进行标记并分段，将分段后的脑电数据进行经验模态分解并提取熵特征，最后利用卷积神经网络对提取到的特征进行学习并对发作前期和发作间期的脑电信号进行分类。本方法采用时频域和非线性的特征提取方法并结合深度神经网络的分类方法，有效提高了癫痫脑电信号预测的准确率，使得医生患者可以在癫痫发作来临前能够做好充分准备，更加有效的治疗癫痫。
-
公开(公告)号：CN106886792B
公开(公告)日：2020-01-17
申请号：CN201710053891.0
申请日：2017-01-22
申请人： 北京工业大学
摘要： 本发明涉及一种基于分层机制构建多分类器融合模型的脑电情感识别方法，收集多导情感脑电数据，并对其进行分析处理，包括脑电预处理、特征提取及基于权重度量的通道选择，以构建情感脑电特征矩阵。将情感脑电特征矩阵按照电极位置进行通道划分，并针对每个通道执行最优化特征选择集成，构建多个单一情感分类模型。以各分类模型在针对同一个情感识别问题时获得的差异性和精确度作为评估准则，选择每个通道的最优单一情感分类模型，得到待融合的分类器集。利用各个最优单一情感分类模型的分类误差作为权重，并基于加权投票法构建情感识别融合模型。本发明利用多分类器融合解决了脑电样本空间上难以获得较高情感识别率的问题。
-
公开(公告)号：CN106960025B
公开(公告)日：2019-09-27
申请号：CN201710163216.3
申请日：2017-03-19
申请人： 北京工业大学
IPC分类号： G06F16/335 , G06F16/35
摘要： 一种基于领域知识图谱的个性化文献推荐方法，涉及文献推荐技术领域。采用LDA模型构建知识图谱，并在此基础上，分别构建用户兴趣模型与文献模型，解决了词频统计方法不精确的问题；在建模的过程引入时间遗忘曲线函数，解决了用户兴趣变迁的问题；同时在建模过程中引入了激活扩散技术，解决了数据稀疏性的问题；在计算相似性的过程中采用基于知识距离的方法，有效的避免了元素个数匹配的强制性问题。将兴趣保持模型应用在文献推荐系统的用户建模中，考虑时间对用户短期兴趣变迁的影响，准确地量化用户当前兴趣。在用户建模与文献建模过程中引入激活扩散技术，有效的解决了数据的稀疏性问题。
-
-
-
-
-
-
-
-
-
搜索结果
44 条记录 (耗时 0.031 秒)
