-
公开(公告)号：CN118587441A
公开(公告)日：2024-09-03
申请号：CN202411060761.6
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
IPC分类号： G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要： 本发明公开了一种基于偏差校准和混合增强策略的弱监督图像分割方法，该方法构建了基于预测偏差校准的图像分割模型，仅需要标注图像包含少量像素点信息，即可实现对图像的精准自动分割；该方法重点关注图像分割模型潜在的预测偏差区域，通过近邻约束的软标签策略实现了对可能存在的错误预测的修正，缓解了图像分割模型在监督信号有限情况下存在的预测偏差问题；通过将自适应图像混合增强策略与图像分割模型的优化过程相结合，丰富了数据和标签信息的多样性，提高了图像分割模型对困难区域的识别能力。本发明可以适用于自然图像、医学图像、二维码等各类图像，可以在更低的标注成本下实现良好的分割结果，有效地缓解了人工图像标注的负担。
-
公开(公告)号：CN118586475A
公开(公告)日：2024-09-03
申请号：CN202411062873.5
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
摘要： 本发明公开了一种基于稳定特征原型的联邦类别增量学习建模方法，该方法在云边协同场景下实现，针对边缘设备数据类别增量时模型的灾难性遗忘问题，在边端建立类别样本记忆库存储类别代表性样本，采用基于回放范式的原型网络更新策略进行边端本地更新；针对多边端云边协同建模时灾难性遗忘的扩散问题，在云端采用以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。本发明在保护数据隐私的情况下，解决了边端类别增量时的协同建模问题，可以有效缓解灾难性遗忘，在模型准确性和训练稳定性方面具有优越性。
-
公开(公告)号：CN118586469A
公开(公告)日：2024-09-03
申请号：CN202411060826.7
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
IPC分类号： G06N3/08
摘要： 本发明公开了一种异构时序变量输入输出动态性的智能自适应学习方法，该方法建立了一个输入和输出均为混合变量的状态空间结构，既表征语音、工业传感器数据等异构时序变量的动态特性，也反映外部输入对动态性的影响；为了基于异构时序观测变量高效地推断动态潜变量的后验分布，利用局部变分近似推导前后时刻状态之间解析形式的递归关系，从而加速离线训练过程，并确保在线模型更新速度在可接受的范围内，增强所提模型和方法的实用性；在此基础上，引入递归模型更新和自适应监测策略，以智能跟踪过程的正常变化，并采用滑动窗口机制以提高模型与当前数据特性的匹配度，限制计算复杂度。本发明能够精确描述输入变量对输出变量及变量动态性的影响。
-
公开(公告)号：CN118587441B
公开(公告)日：2024-10-29
申请号：CN202411060761.6
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
IPC分类号： G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要： 本发明公开了一种基于偏差校准和混合增强策略的弱监督图像分割方法，该方法构建了基于预测偏差校准的图像分割模型，仅需要标注图像包含少量像素点信息，即可实现对图像的精准自动分割；该方法重点关注图像分割模型潜在的预测偏差区域，通过近邻约束的软标签策略实现了对可能存在的错误预测的修正，缓解了图像分割模型在监督信号有限情况下存在的预测偏差问题；通过将自适应图像混合增强策略与图像分割模型的优化过程相结合，丰富了数据和标签信息的多样性，提高了图像分割模型对困难区域的识别能力。本发明可以适用于自然图像、医学图像、二维码等各类图像，可以在更低的标注成本下实现良好的分割结果，有效地缓解了人工图像标注的负担。
-
公开(公告)号：CN118586469B
公开(公告)日：2024-10-15
申请号：CN202411060826.7
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
IPC分类号： G06N3/08
摘要： 本发明公开了一种异构时序变量输入输出动态性的智能自适应学习方法，该方法建立了一个输入和输出均为混合变量的状态空间结构，既表征语音、工业传感器数据等异构时序变量的动态特性，也反映外部输入对动态性的影响；为了基于异构时序观测变量高效地推断动态潜变量的后验分布，利用局部变分近似推导前后时刻状态之间解析形式的递归关系，从而加速离线训练过程，并确保在线模型更新速度在可接受的范围内，增强所提模型和方法的实用性；在此基础上，引入递归模型更新和自适应监测策略，以智能跟踪过程的正常变化，并采用滑动窗口机制以提高模型与当前数据特性的匹配度，限制计算复杂度。本发明能够精确描述输入变量对输出变量及变量动态性的影响。
-
公开(公告)号：CN118586434A
公开(公告)日：2024-09-03
申请号：CN202411062943.7
申请日：2024-08-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学 , 浙江浙能数字科技有限公司
摘要： 本发明公开了一种面向多源域迁移的双图驱动的有监督建模方法，该方法主要为一种基于不变性关系对齐的双图神经网络模型，具体包括：通过公有‑私有图构造模块提取变量间跨域不变关系和领域特定关系，通过公有图信息对齐模块提取跨域可迁移关系，通过私有图信息过滤模块提取并过滤变量间的域特定信息，通过公有图信息对齐模块和私有图信息过滤模块协同实现了不变关系的提取和多源域知识向目标域的迁移。本发明能够解决传统迁移学习中多源域信息整合与分布差异引起的负传递问题，实现源域到目标域的有效知识迁移；可以在各类迁移学习场景的场景下，应用于语音、工业传感器参数等时序数据的工业软测量任务中，具有良好的学习效果和泛化能力。
-
公开(公告)号：CN116663184A
公开(公告)日：2023-08-29
申请号：CN202310640972.6
申请日：2023-06-01
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学
IPC分类号： G06F30/17 , G06F30/27 , G06F30/28 , G06F18/22 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明公开了一种面向燃机典型设备的因果聚合与分组故障根因追溯方法。该方法构建了由稀疏因果推断模块、节点分组模块组成的因果聚合与分组模型，利用时空错位的向量相似度计算获取故障测点在整个因果图中的位置信息，通过切图聚类思想设计分组惩罚项训练模型获取故障测点之间的相对位置信息，从全局和局部两个角度综合衡量故障测点之间的因果相似性。利用分组结果分别稀疏化组内和组间的因果关系，得到更加简化的因果结构。本发明可以构建变量之间组内‑组间两级因果表示，并根据因果图中指示的故障根因变量追溯燃机设备的故障根因。本方法直观表征了燃机设备的故障传播路径，为燃机典型设备故障根因溯源决策提供高效可靠的新思路。
-
公开(公告)号：CN116975755A
公开(公告)日：2023-10-31
申请号：CN202310656040.0
申请日：2023-06-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学
IPC分类号： G06F18/2431 , G06F18/2411 , G06F18/214 , G06F18/10 , G06N3/0895 , G06N3/04 , G01D21/02
摘要： 本发明公开了一种面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统。本发明基于对称损失理论设计了反正切支持向量机模型和平均绝对误差神经网络模型构建互补式鲁棒基分类器，对噪声标签具有较强的鲁棒特性；其次，提出了一种互补式的噪声滤除机制，步进地滤除噪声标签并更新互补式鲁棒基分类器，进一步降低对噪声标签的过拟合风险；此外，本发明还设计了一种自适应数据补充策略，通过利用高置信度伪标签样本实现有标签数据集的扩充，克服燃机数据标签稀少的问题。本发明能够有效地在样本标签稀少且存在标签噪声的情况下完成对燃机运行的异常检测任务，为燃机发电机组的异常检测和安全运维提供了新的方法。
-
公开(公告)号：CN116610999A
公开(公告)日：2023-08-18
申请号：CN202310630624.0
申请日：2023-05-31
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学
IPC分类号： G06F18/241 , G06F18/214 , G06F18/25
摘要： 本发明公开了一种基于联邦终身学习的燃气轮机异常检测方法及系统。为实现燃气轮机异常检测模型在变工况场景下的终身学习能力和联邦场景下知识融合能力，本发明在联邦聚合阶段设计梯度规范化系数，以克服不同客户端数据量不同带来的全局模型漂移问题，加速全局模型的收敛以及对其它工厂历史知识的融合。本发明在保护数据隐私的情况下，有效利用各客户端知识，监测模型在增量更新时不遗忘历史的数据分布，能够降低模型对本地和其它客户端历史工况的误报率，且能够及时监测出已见工况下的故障。
-
公开(公告)号：CN116933018A
公开(公告)日：2023-10-24
申请号：CN202310817859.0
申请日：2023-07-05
申请人： 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学
摘要： 本发明公开了面向燃机典型设备数据缺失的有序分段填补及实时监测方法，创新的考虑了以天然气体积流量作为指示变量对含有缺失值的数据进行了切片分段操作并提出了一种对高秩甚至满秩矩阵缺失数据的分段填补方法；使用非线性矩阵填补方法评估每一片数据中新定义的数据还原误差以实现对相似工况的聚类；聚类后的数据可利用整体的非线性数据填补方法进行数据填补并实现监测；最终，依据所聚类的结果实现对在线数据实时分类并进行分段的缺失值填补以及监测。本发明精细化的评估了燃机的工况特性，解决了由于燃机中燃烧室，压气机，透平设备工况复杂多变，数据非线性性强从而导致的均值填补以及其他填补手段难以准确恢复缺失数据并进行监测的问题。
-
-
-
-
-
-
-
-
-
搜索结果
186 条记录 (耗时 0.075 秒)
