-
公开(公告)号：CN107578100B
公开(公告)日：2019-08-16
申请号：CN201710771790.7
申请日：2017-08-31
申请人： 江苏康缘药业股份有限公司 , 浙江大学
摘要： 本发明公开了一种基于过程参数的结果反馈方法及装置，所述反馈方法包括：接收结果反馈请求，所述反馈请求包括中间体结果类型；获取与所述反馈请求对应的过程参数，所述过程参数为多维参数，组成过程参数集；将所述过程参数集输入结果反馈神经网络模型，所述结果反馈神经网络模型由过程参数样本训练得到；获取所述结果反馈神经网络模型的输出结果。本发明通过建立结果反馈神经网络模型，对PKS制造过程中的输入参数进行分类，看反应物是否合格，实现智能反馈。
-
公开(公告)号：CN107609582B
公开(公告)日：2023-10-10
申请号：CN201710772738.3
申请日：2017-08-31
申请人： 江苏康缘药业股份有限公司 , 浙江大学
IPC分类号： G06F18/214 , G06F18/24
摘要： 本发明公开了一种多维参数识别方法及装置，所述识别方法包括：采集多个训练样本，组成训练样本集，每个训练样本包括多种过程参数，每种过程参数具有相应的属性参数和类别，其中，所述属性参数和类别的组合有多种；根据所述训练样本集中的类别，获取所述训练样本集的分布传递信息值；根据所述分布传递信息值，获取每种过程参数的信息增益；选择信息增益最大的过程参数作为分裂节点，建立决策树；根据决策树，对新数据进行类别识别。本发明以信息增益作为决策树模型的建立依据，提高模型的准确度，有效、精确识别数据类型，为智能参数反馈提供可靠的依据。
-
公开(公告)号：CN107609582A
公开(公告)日：2018-01-19
申请号：CN201710772738.3
申请日：2017-08-31
申请人： 江苏康缘药业股份有限公司 , 浙江大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种多维参数识别方法及装置，所述识别方法包括：采集多个训练样本，组成训练样本集，每个训练样本包括多种过程参数，每种过程参数具有相应的属性参数和类别，其中，所述属性参数和类别的组合有多种；根据所述训练样本集中的类别，获取所述训练样本集的分布传递信息值；根据所述分布传递信息值，获取每种过程参数的信息增益；选择信息增益最大的过程参数作为分裂节点，建立决策树；根据决策树，对新数据进行类别识别。本发明以信息增益作为决策树模型的建立依据，提高模型的准确度，有效、精确识别数据类型，为智能参数反馈提供可靠的依据。
-
公开(公告)号：CN107578100A
公开(公告)日：2018-01-12
申请号：CN201710771790.7
申请日：2017-08-31
申请人： 江苏康缘药业股份有限公司 , 浙江大学
摘要： 本发明公开了一种基于过程参数的结果反馈方法及装置，所述反馈方法包括：接收结果反馈请求，所述反馈请求包括中间体结果类型；获取与所述反馈请求对应的过程参数，所述过程参数为多维参数，组成过程参数集；将所述过程参数集输入结果反馈神经网络模型，所述结果反馈神经网络模型由过程参数样本训练得到；获取所述结果反馈神经网络模型的输出结果。本发明通过建立结果反馈神经网络模型，对PKS制造过程中的输入参数进行分类，看反应物是否合格，实现智能反馈。
-
公开(公告)号：CN110020712A
公开(公告)日：2019-07-16
申请号：CN201910230781.6
申请日：2019-03-26
申请人： 浙江大学
摘要： 本发明公开了一种基于聚类的优化粒子群BP网络预测方法和系统，包括：建立数据库实时存储监控器测量所得的数据；对原始数据预处理后通过聚类将相似的数据划分为一类，提高预测模型的准确性；通过优化的粒子群算法对BP网络初始权重和阈值进行赋值，相比于通过随机数对权重和阈值的初始化，本发明能够使得BP网络在避免陷入局部最优的基础上同时提升收敛速度；通过选取Sigmoid函数作为激活函数，并采用反向传播算法对BP网络权重和阈值进行更新，训练得到最终模型，输出预测结果。本发明克服了传统的回归分类等预测模型存在对非线性数据预测不准确，预测精度不高的问题，有效地提高了预测结果的准确性。
-
-
公开(公告)号：CN109992608A
公开(公告)日：2019-07-09
申请号：CN201910230755.3
申请日：2019-03-26
申请人： 浙江大学
IPC分类号： G06F16/2458 , G06F17/14
摘要： 本发明公开了一种基于频域的多模型融合预测方法和系统，包括：建立数据库实时存储监控器测量所得的数据；对原始时序数据预处理，包括异常值检测及缺失值处理；对干净的时序数据通过小波变换转为频域数据；建立循环神经网络及可加性回归模型对频域系数进行预测；选取最优权重和阈值得到最佳预测结果。本发明通过对预处理之后的时序数据变换到频域上进行分析处理，并融合不同模型得到最佳预测结果，克服了传统时序预测模型预测周期短，预测精度低等缺点。
-
公开(公告)号：CN110020712B
公开(公告)日：2021-01-26
申请号：CN201910230781.6
申请日：2019-03-26
申请人： 浙江大学
摘要： 本发明公开了一种基于聚类的优化粒子群BP网络预测方法和系统，包括：建立数据库实时存储监控器测量所得的数据；对原始数据预处理后通过聚类将相似的数据划分为一类，提高预测模型的准确性；通过优化的粒子群算法对BP网络初始权重和阈值进行赋值，相比于通过随机数对权重和阈值的初始化，本发明能够使得BP网络在避免陷入局部最优的基础上同时提升收敛速度；通过选取Sigmoid函数作为激活函数，并采用反向传播算法对BP网络权重和阈值进行更新，训练得到最终模型，输出预测结果。本发明克服了传统的回归分类等预测模型存在对非线性数据预测不准确，预测精度不高的问题，有效地提高了预测结果的准确性。
-
公开(公告)号：CN107346335B
公开(公告)日：2020-04-14
申请号：CN201710509023.9
申请日：2017-06-28
申请人： 浙江大学
IPC分类号： G06F16/95
摘要： 本发明公开了一种基于组合特征的网页主题块识别方法，其对网页进行分块后，首先利用支持向量机根据网页块的视觉特征预测网页块是否为主题块，然后利用改进后的BM25算法计算每个网页块内容与主题的相关性权重值，将权重值与寻找的最佳阈值进行比较从而判断网页块是否为主题块，最后将这两种方式相结合，综合利用网页块的视觉特征和文本特征来判断其是否为主题块。这样在识别主题块时，同时考虑了其结构和内容，避免了采用单个特征可能存在的偏差，可以更加准确的识别出网页中与主题相关的内容。
-
公开(公告)号：CN108647203A
公开(公告)日：2018-10-12
申请号：CN201810359667.9
申请日：2018-04-20
申请人： 浙江大学
摘要： 本发明公开了一种中医病情文本相似度的计算方法，包括：基于规则和统计的短语识别，得到文本块；文本块划分，得到文本语义分块；计算文本语义分块的权值；计算文本语义分块向量；组合文本语义分块特征，得到病情文档特征；根据病情文档特征，计算文本相似度。本发明以文本语义分块为最小粒度来表示病情文本特征，将病情文本按照所描述的病位划分为文本语义分块，并赋予各个文本语义分块不同的权重来区分主次症状，通过计算文本语义分块向量夹角的余弦值找出两段病情文本的相似症状，最后按照权重进行加权得出两段病情文本的相似度，克服了传统文本相似度计算方法或丢失语义信息，或不能突出病因主次的缺点。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.034 秒)