-
公开(公告)号：CN113900379A
公开(公告)日：2022-01-07
申请号：CN202111291053.X
申请日：2021-11-02
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的预测控制算法。涉及工业控制方法领域，该方法考虑在面对非线性、延迟性及模型不确定性的控制系统时，常规的经典控制算法存在着很多不足之处，而预测控制是一种基于预测模型的控制算法，只要预测模型具备预测能力即可。很多控制策略需要基于精确的数学模型，而实际生产生活中，很多情况模型是未知的，本发明利用神经网络的强大的刻画能力，结合被控对象的历史数据，训练神经网络模型，作为预测控制的预测模型，如此便可以摆脱控制算法对数学模型的依赖，提高控制系统的控制精度和泛化能力，提高了预测控制的性能。
-
公开(公告)号：CN113807258A
公开(公告)日：2021-12-17
申请号：CN202111095732.X
申请日：2021-09-17
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于神经网络与DCT变换的加密人脸识别方法。涉及计算机视觉方法领域，该方法利用混沌映射在频域内完成对图像的加密，并结合BP神经网络完成人脸的识别，这样就大大加强了存储于云平台的人脸图像数据安全，同时根据需要能够还原出原始图像，所提出的加密人脸算法的识别率与未加密时算法识别率相差不大，但是经过加密后能有效的保护图像数据，最后对加密算法进行了鲁棒性分析，测试结果表明所提出的加密人脸算法具有一定的抗光照攻击，遮挡攻击等能力，具有较好的鲁棒性。
-
公开(公告)号：CN111292762A
公开(公告)日：2020-06-16
申请号：CN201811521436.X
申请日：2018-12-08
Applicant: 南京工业大学
IPC: G10L21/0308 , G10L25/24 , G10L25/30 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种基于深度学习的语音分离方法：对语音资源进行信号预处理，并按照设定比例将原始数据集分为训练集和测试集；通过短时傅里叶变换将得到的时域信号分解成二维的时频信号；提取时频单元级别的听觉特征短时傅里叶对数能量谱，并进行归一化；利用纯净的短时傅里叶变换幅度谱和噪声的傅里叶变换幅度谱计算出分离目标。将提取出的特征作为模型的输入，选定的分离目标作为模型的训练目标，进行深层模型的训练。利用得到的估计的分离目标以及产生的带噪时频信号，通过逆短时傅里叶变换得到分离后语音的时域信号，并得到最终分离后的语音。
-
公开(公告)号：CN111222573A
公开(公告)日：2020-06-02
申请号：CN202010011853.0
申请日：2020-01-06
Applicant: 南京工业大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于KMeans算法的关联规则方法，涉及数据挖掘领域，该方法是对具有时间差数据的关联的一种方法，在现实生活中，很多需要关联的数据具有时间差，如果不考虑时间差因素，将所需要的数据进行关联，不仅会产生数据冗余的问题还会使关联结果的准确率降低，因此，解决上述问题需要考虑时间差因素，将时间差作为关联的时间距离，采用KMeans算法思想将有关的数据进行簇的划分，在簇中进行关联数据，此方法不仅能排除无关紧要的数据参与关联运算而且还会提高关联结果的准确率。
-
公开(公告)号：CN111090678A
公开(公告)日：2020-05-01
申请号：CN201811283345.7
申请日：2018-10-24
Applicant: 南京工业大学
IPC: G06F16/2458 , G06F16/215 , G06K9/62
Abstract: 本发明提供了一种基于多示例学习的局部离群点检测方法。针对现实世界中诸如电力、石油、化工等企业，系统中的数据对象具有多义性和复杂性，一个对象中可能存在多种类型的内在属性和特征，传统的局部离群点检测算法往往忽略了这一点。首先初始化数据集，提取多义对象的各个语义差异相应的特征作为示例，并组成多示例包；然后采取退化策略，将原本多示例问题转化为单示例问题进行计算；接着，采用一种自适应权重调整方法，在权重函数计算过程中加入自适应惩罚策略，通过引入惩罚函数和惩罚因子，根据不同示例集合自身的特点自适应调整权重函数；最后结合权重计算综合离群点因子，通过综合离群点因子标记对象是否为局部离群点。
-
Patent Agency Ranking
公开(公告)号：CN110389948A
公开(公告)日：2019-10-29
申请号：CN201910663676.1
申请日：2019-07-19
Applicant: 南京工业大学
IPC: G06F16/215 , G06F16/2458 , G06N3/08
Abstract: 本发明公开了一种基于数据驱动的加氢裂化装置的尾油预测方法。涉及数据挖掘与机器学习领域，该方法主要对石油装置尤其是加氢裂化装置采集来的历史数据进行分析，数据预处理阶段采用拉格朗日插值法等方法对数据进行清洗操作；在数据处理阶段，采用统计学PCA主成分分析方法进行降维，之后将主要变量送入神经网络模型；在建模阶段，由于该数据具有非线性时序强相关性，所以使用RNN循环神经网络进行训练，最后将训练的结果进行评价。本发明在满足准确率的情况下，克服了加氢裂化装置在传统建模中长期存在的维护难、成本高、滞后性等问题，使生产的效率有效提高。
-
公开(公告)号：CN110210569A
公开(公告)日：2019-09-06
申请号：CN201910495396.4
申请日：2019-06-06
Applicant: 南京工业大学
Abstract: 本发明公开了基于FCM-LSTM的化工储罐异常检测算法研究。涉及化工设备、神经网络等领域，该方法利用多层网络架构模型作为故障诊断方法，结合监督学习和无监督学习的优点，采用基于数据驱动的故障诊断机制。首先利用无监督具类FCM算法对海量数据进行聚类，依据指定的相似度标准，对数据集进行划分，使得正常数据和故障数据归属到不同的类簇，再运用PSO算法避免初始值的随机选取，加速聚类过程，得到少量标记数据以提高检测性能，然后利用LSTM分别对每个簇和离线历史数据进行训练网路，最后进行多子网并行学习后对结果进行拟合并集成分析，提高网络的泛化能力。这种方法处理的数据量更大，可处理的信息更多，适用范围更广。
-
公开(公告)号：CN110069548A
公开(公告)日：2019-07-30
申请号：CN201910268556.1
申请日：2019-04-02
Applicant: 南京工业大学
IPC: G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种基于循环方式的关联规则合并方法。涉及数据挖掘领域，该方法利用关联算法对旧数据集进行频繁项的挖掘，输出旧支持度数据集；根据旧支持度数据集，按照设定的可信度阈值输出旧关联规则数据集；对旧关联规则数据集按照唯一性规则处理，输出最终的旧关联规则数据集；将新数据集按照相同步骤循环，输出新支持度数据集和新关联规则数据集；根据支持度合并规则合并两份支持度数据集，输出最新支持度数据集；根据关联规则合并方法，结合最新支持度数据集，合并两份关联规则数据集，输出最新的关联规则数据集。本发明在满足合并的条件下，结合循环方式确保关联规则的唯一性以及克服简单合并时会存在的不合理性，使得合并效果大大提高。
-
公开(公告)号：CN119888854A
公开(公告)日：2025-04-25
申请号：CN202510037723.7
申请日：2025-01-09
Applicant: 南京工业大学
IPC: G06V40/20 , G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N5/04
Abstract: 本发明涉及机器视觉技术领域，具体涉及一种基于机器视觉技术实现工业场景中异常行为检测及智能分析的系统与方法。该系统通过高精度摄像头采集车间影像数据，运用图像识别算法解析工人动作、姿态及设备运行状态。为确保精准检测，构建多元特征模型挖掘行为特征，采用深度学习神经网络优化识别精度与速度。其显著特征包括：通过数据预处理提高图像质量，运用多种算法融合实现精准行为定位与识别，设计智能分析模块生成报告辅助决策。在工业生产中，该系统能及时发现违规操作、偏离安全区、疲劳作业等异常，发出警报并提供分析报告，避免事故，提升生产效益。经测试，异常行为检测准确率高，系统响应迅速,可有效助力工业安全管理与生产流程优化。
-
公开(公告)号：CN117497178A
公开(公告)日：2024-02-02
申请号：CN202311524833.3
申请日：2023-11-15
Applicant: 南京工业大学
IPC: G16H50/20 , G16H50/70 , G06F40/295 , G06F40/30 , G06N5/025 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于知识图谱的常见病辅助决策方法，该方法首先通过识别结构化，非结构化的各种语义知识构建领域知识图谱；使用HAKE嵌入方法，挖掘不同三元组的实体之间的潜在关系嵌入知识图谱，完善已有的知识图谱内容；根据用户输入的问句，使用基于ALBERT的多层级卷积CRF网络模型进行医疗命名实体识别得到头部实体；使用基于ALBERT‑TextCNN意图识别模型和头部实体识别用户的意图生成候选三元组集合；针对候选集合中的每个三元组，计算联合距离，根据计算结果选择距离最小的三元组作为结果；本方法的优点在于利用知识图谱为辅助决策模型提供了有效的决策依据，同时基于医学实体识别以及意图识别模型提升了辅助决策结果的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
