-
公开(公告)号：CN116451577A
公开(公告)日：2023-07-18
申请号：CN202310380037.0
申请日：2023-04-11
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N3/045 , G06N3/092 , G06N3/086 , G06Q10/047 , G06F111/06
Abstract: 本发明公开了融合强化学习和差分进化的产品变更路径多目标优选方法，包括以下步骤：建立复杂产品网络模型，表明设计变更在产品网络模型中的传播过程；建立设计变更传播路径的多目标优化模型；利用双深度Q‑网络(Double Deep Q‑Network，DDQN)帮助种群在不同阶段选择适合的进化策略，建立强化学习引导的差分进化算法(Differential evolution，DE)即DDQN‑DE算法，进行多目标优化模型的求解。本发明采用上述的产品变更路径多目标优选方法，当产品零件发生变更时，可以精准地找到一个变更成本、变更工期、产品综合性能影响较小的变更方案，解决现有方法中收敛速度慢、易于局部收敛等问题。
-
公开(公告)号：CN114330924B
公开(公告)日：2023-04-18
申请号：CN202210020648.X
申请日：2022-01-10
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06N3/0475 , G06N3/08 , G06F17/16
Abstract: 一种基于生成式对抗网络的复杂产品变更强度预测方法，属于产品设计领域。在复杂产品设计和开发过程中，由于客户需求变化、技术性能创新和组件供应商变化，产品设计变更是不可避免的。为帮助产品设计者快速预测复杂产品的变更影响强度，针对当前对产品变更强度预测中面临的历史变更强度数据样本少和变更强度预测不准确的问题，建立了一个适用于产品变更数据的生成式对抗网络，设计了一种适用于产品变更强度预测的卷积神经网络来对产品变更强度进行预测，从而达到扩充产品变更样本数量、增大变更样本多样性和提高变更强度预测准确性的目的。实验表明：该方法可生成质量更高、多样性更好的变更强度数据。同时，该方法对产品变更强度预测具备良好的准确性。
-
公开(公告)号：CN112163426B
公开(公告)日：2022-05-27
申请号：CN202011059653.9
申请日：2020-09-30
Applicant: 中国矿业大学
IPC: G06F40/295 , G06F40/284 , G06F40/211 , G06F16/31 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制与图长短时记忆神经网络结合的关系抽取方法。包括如下步骤：通过BiLSTM提取句子中的上下文信息，并引入实体位置信息和实体标签信息来扩充词向量特征；通过Stanford Parser工具进行句子依存结构树的提取生成初始句子结构矩阵，引入注意力机制对初始句子结构矩阵进行注意力计算，得到句子中结构矩阵的权重信息；将提取出的句子上下文信息和句子结构的权重信息作为输入，使用基于注意力机制与图长短时记忆神经网络结合的关系抽取模型对输入进行关系抽取，最终得到实体的三元组信息。本发明方法分别在TACRED数据结和Semeval2010 task‑8数据集上进行了测评，该模型的表现优于目前主流的深度学习抽取的模型。
-
公开(公告)号：CN113987718A
公开(公告)日：2022-01-28
申请号：CN202111361319.3
申请日：2021-11-17
Applicant: 中国矿业大学
IPC: G06F30/17 , G06F30/27 , G06N3/00 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于多目标粒子群优化的产品变更方案设计方法，针对任意给定的一个待变更的产品，首先建立一种引入服务性能的复杂产品多重网络模型；接着，通过解耦变更效应传播中强关联节点对服务性能的影响，生成一个包含服务性能影响度、变更成本和变更时间3个评价指标的多目标求解模型；然后，使用一种整数型多目标粒子群优化算法求解多目标模型，求得一组最优的变更方案；最后，使用模糊决策方法求得满足用户需求的一个最佳变更方案。本发明所得变更方案的可操作性更强，得到的变更方案可以同时覆盖多条传播路径上的关键节点，更符合实际设计需要。通过设置合适的约束条件，可以最大限度确保变更方案的可行性。
-
公开(公告)号：CN111276960A
公开(公告)日：2020-06-12
申请号：CN201910392516.8
申请日：2019-05-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种光-储直流微电网系统中储能模块预测控制方法，属于光-储直流微电网领域，该直流微电网仿真系统由多个光伏阵列、磷酸铁锂电池组、三级可变直流负载和控制模块组成。其中磷酸铁锂电池作为直流微电网的储能模块，在微电网中起着削峰填谷、稳定母线电压的重要作用。通过对磷酸铁锂电池的开路电压、极化电压和电池内阻等实验特性的分析，确定磷酸铁锂电池工作最佳区间。对磷酸铁锂电池荷电状态进行可变步长预测，通过预测数据、当前数据和磷酸铁锂电池最佳工作区间进行预测控制，综合考虑光-储直流微电网稳定运行和三级可变直流负载切入/切出制定相应的控制策略。本发明确保电池工作在最佳荷电状态区间，延长磷酸铁锂电池的使用寿命，保证直流微电网的稳定性，降低系统的维护成本。
-
Patent Agency Ranking
公开(公告)号：CN103984721B
公开(公告)日：2018-04-17
申请号：CN201410202346.X
申请日：2014-05-13
Applicant: 中国矿业大学
Abstract: 本发明公布了一种用于心理学图书个性化快速搜索的交互式进化优化方法，指导用户快速寻找满意图书，减轻用户搜索疲劳，具体内容包括：(1)基于用户所输入的信息，给出初始化的信息，即交互式遗传算法中的初始种群生成；(2)人机交互，即由用户根据系统显示的进化个体表现型，实施交互行为，如对感兴趣的内容进行的少数的点击、浏览等行为；(3)基于交互行为的CP‑nets偏好建模和更新，以基于用户的交互行为，获取并跟踪其偏好变化；(4)基于CP‑Nets的交互式进化过程，即根据CP‑nets对当前的进化种群所代表的搜索信息进行适应值评价，实施选择、交叉和变异操作，以生成可能满足用户偏好的新个体信息。
-
公开(公告)号：CN107730473A
公开(公告)日：2018-02-23
申请号：CN201711076257.5
申请日：2017-11-03
Applicant: 中国矿业大学
CPC classification number: G06T5/001 , G06K9/6256 , G06K9/6277 , G06N3/0454 , G06T2207/10016 , H04N7/18
Abstract: 一种基于深度神经网络的煤矿井下图像处理方法，采用AlexNet的网络结构模型，构建了八层卷积神经网络，利用Tensorflow深度学习训练框架完成对网络的训练；然后，针对五类图像质量亮度过高，亮度过低，噪点过高，对比度过低，分辨率过低的图像，利用其实现对初始训练后的卷积神经网络的训练和测试，以获得可实现图像质量分类的深度卷积神经网络；结合目前成熟的图像处理方法，分别针对不同质量类型的图像使用不同类型的图像处理方法。本发明内容不仅是矿井灾区侦检探测可视化必须解决的关键问题，也将为未来我国深部煤炭资源大规模安全开采提供知识储备和技术基础。
-
公开(公告)号：CN103903072A
公开(公告)日：2014-07-02
申请号：CN201410156357.9
申请日：2014-04-17
Applicant: 中国矿业大学
IPC: G06Q10/04
Abstract: 本发明涉及一种基于决策者偏好的高维多目标集合进化优化方法，以决策者给出的每个目标的偏好区域，将原优化问题的目标函数转化为期望函数；以原优化问题的多个解形成的集合为新的决策变量，以超体积和决策者偏好满足度为新的目标函数，将期望函数优化问题转化为2目标优化问题；利用集合内原优化问题的解的超体积贡献度和满足决策者偏好的程度，设计集合个体内部的自适应的交叉策略；此外，利用PSO算法中微粒的更新，以及全局最优解和局部最优解的思想，设计集合个体变异策略，以得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集。
-
公开(公告)号：CN103645768A
公开(公告)日：2014-03-19
申请号：CN201310663299.4
申请日：2013-12-10
Applicant: 中国矿业大学
IPC: G05F1/67
CPC classification number: Y02E10/58
Abstract: 本发明涉及一种光伏阵列最大功率点跟踪方法，在恒压法和扰动观察法基本原理的基础上，将恒压法和扰动观察法相结合，从而实现了光伏阵列最大功率点的跟踪；在远离最大功率点时，采用较大的扰动步长以提高跟踪速度；而在最大功率点附近时采用较小的扰动步长，有效地减小了光伏阵列在最大功率点处的功率振荡。本发明解决了原有扰动观测法跟踪速度和功率振荡之间的矛盾，也解决了恒压法不是真正意义上的最大功率点跟踪算法的问题。
-
公开(公告)号：CN118940140A
公开(公告)日：2024-11-12
申请号：CN202411003894.X
申请日：2024-07-25
Applicant: 中国矿业大学
IPC: G06F18/2413 , G06F18/23 , G06F18/214 , G06F123/02
Abstract: 本发明公开了一种融合概念漂移检测与标记迁移的半监督滑坡预警方法，包括：获取源域历史数据集及目标域当前滑坡数据；对两域数据进行特征衍生同时对源域数据进行聚类并对聚类产生簇进行特征衍生，最后将簇与其特征保存记为初始预警模型；取簇质心作为训练集训练K个KNN模型；对目标域数据流使用EMD滤波并对滤波数据使用ADWIN算法检测其概念漂移点，此即为待迁移数据点；将与滑坡曲线密切相关的速度倒数与切线角特征作为历史标签迁移依据；针对分类后的数据，判断迁移标签与分类标签一致性实现对模型的更新。本发明利用历史滑坡数据的特征与标签，将历史标签迁移至当前数据并使用半监督学习进行分类预警，提高了滑坡预警的准确率。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.024 seconds)
