-
公开(公告)号：CN114819191A
公开(公告)日：2022-07-29
申请号：CN202210721015.1
申请日：2022-06-24
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)
Abstract: 本发明涉及高排放道路移动源识别技术领域，公开了一种高排放道路移动源识别方法、系统及存储介质；本发明通过使用深层网络结构进行特征提取及特征生成，实现最优特征的选择，完成高排放的识别，并具有较高的识别性能；有效地解决了现有的经典机器学习方法对高排放移动污染源识别精度不高的问题。
-
公开(公告)号：CN114896479A
公开(公告)日：2022-08-12
申请号：CN202210646570.2
申请日：2022-06-09
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: G06F16/906 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种在线学习方法、系统及计算机可读存储介质，包括初始化输出权重矩阵与协方差矩阵；接收新采集到的无标签数据，保留当前的输出权重矩阵与协方差矩阵；将无标签样本集中的样本聚类形成k个簇，在每个簇中提取最接近形心的样本并标记，加入到有标记数据集中；统计有标记数据集中各类别样本的数量，计算样本加权矩阵；随机生成隐含层节点与输入节点间的参数；计算模型输出权重矩阵；循环执行，直至得到最优模型。本发明可以利用实时采集到的数据更新模型，不断提高分类能力；同时可缓解数据中存在的类别不均衡问题对模型的影响；并通过聚类的方式选出更具有代表性的样本进行标记，可节省大量人力成本。
-
公开(公告)号：CN114896479B
公开(公告)日：2024-05-07
申请号：CN202210646570.2
申请日：2022-06-09
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: G06F16/906 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种在线学习方法、系统及计算机可读存储介质，包括初始化输出权重矩阵与协方差矩阵；接收新采集到的无标签数据，保留当前的输出权重矩阵与协方差矩阵；将无标签样本集中的样本聚类形成k个簇，在每个簇中提取最接近形心的样本并标记，加入到有标记数据集中；统计有标记数据集中各类别样本的数量，计算样本加权矩阵；随机生成隐含层节点与输入节点间的参数；计算模型输出权重矩阵；循环执行，直至得到最优模型。本发明可以利用实时采集到的数据更新模型，不断提高分类能力；同时可缓解数据中存在的类别不均衡问题对模型的影响；并通过聚类的方式选出更具有代表性的样本进行标记，可节省大量人力成本。
-
公开(公告)号：CN114819191B
公开(公告)日：2022-10-11
申请号：CN202210721015.1
申请日：2022-06-24
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)
Abstract: 本发明涉及高排放道路移动源识别技术领域，公开了一种高排放道路移动源识别方法、系统及存储介质；本发明通过使用深层网络结构进行特征提取及特征生成，实现最优特征的选择，完成高排放的识别，并具有较高的识别性能；有效地解决了现有的经典机器学习方法对高排放移动污染源识别精度不高的问题。
-
-
-
Search Results
4
records
(took 0.04 seconds)
