-
公开(公告)号：CN118410723A
公开(公告)日：2024-07-30
申请号：CN202410866481.8
申请日：2024-07-01
Applicant: 浙江工业大学
IPC: G06F30/27 , G06F30/17 , G06N3/042 , G06F18/2413 , G06F119/04
Abstract: 本发明属于寿命预测技术领域，具体涉及一种可解释旋转机械全寿命周期服役性能退化评估方法。采用多源传感器监测旋转机械的设备随机退化过程，获取原始数据，采用小波包分解和最大‑最小归一化对原始数据进行预处理；通过KNN对选中的多源传感器构建网络拓扑图，采用GCN将预处理后的原始数据聚合成一维复合健康指标；构建随机退化模型，计算预测剩余寿命和预测剩余寿命的方差；构建以设备剩余使用寿命的预测误差、预测不确定性为中心的损失函数，通过Adam优化器自动更新随机退化模型的参数至算法收敛，得到退化评估结果。本发明在数据模型交互框架的模型层面，通过改进的包含多重不确定性的线性维纳过程来对随机退化过程进行优化建模。
-
公开(公告)号：CN117692181A
公开(公告)日：2024-03-12
申请号：CN202311602943.7
申请日：2023-11-28
Applicant: 浙江工业大学 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , H04L67/12 , G06N3/0464 , G06N3/0985
Abstract: 一种基于元学习框架的面向物联网安全的网络入侵检测和系统，该方法包括：1)对网络流量的属性标准化处理，再将数据根据元学习的框架进行划分；2)使用两个权重共享的卷积神经网络作为特征提取模块对网络流量数据进行特征提取；3)使用欧式距离来对样本对进行比对，提取两个样本的特征距离信息；4)在模型训练的阶段，使用编码损失函数和对比损失函数结合来优化模型训练；5)利用距离度量，进行对样本的分类；6)利用基准数据集模拟网络流量的小样本情况来评估模型的性能。本发明提出一种基于元学习框架的面向物联网安全的流量检测方法，适用于可用样本稀少的情况，适应小样本场景，满足物联网的资源限制和实时性需求。
-
公开(公告)号：CN117350401A
公开(公告)日：2024-01-05
申请号：CN202311274010.X
申请日：2023-09-28
Applicant: 浙江工业大学
Abstract: 一种重视稀缺数据类别的联邦学习客户端选择方法，包括：1)服务器进入联邦学习任务准备过程，发布联邦学习任务和奖励，并等待客户端申请加入联邦学习任务；2)服务器定义并参数化数据评估函数，并依据客户端提供的本地数据信息，对所有申请加入联邦学习任务的客户端的数据价值进行评估，对其数据价值基于评估结果进行打分；3)在确定各客户端得分后，对所有客户端按照得分进行排序，并从得分最高的客户端开始选择加入联邦学习任务，并确定选定客户端的支付报酬；4)服务器根据客户端选择结果开始联邦学习任务。通过迭代地在客户端和服务器之间传递模型参数，实现模型的训练和更新。本发明提出的提出了一种重视稀缺数据类别的联邦学习客户端选择方法，能够在保证隐私的前提下更好的评估联邦学习中客户端数据的价值，有利于客户端定价和选择。
-
公开(公告)号：CN116502115A
公开(公告)日：2023-07-28
申请号：CN202310274854.8
申请日：2023-03-15
Applicant: 浙江工业大学
IPC: G06F18/24 , G06F18/15 , G06F18/214 , G06N7/01
Abstract: 本发明公开了一种基于语义本体的织机故障诊断一体化方法，以织机的故障专家知识构建织机的故障树，并构建织机故障语义本体，采集织机设备状态监测数据，对采集的设备状态监测数据进行信号降噪处理，将降噪处理后的设备状态监测数据输入到训练好的支持向量机模型，得到辨识故障机构集，训练时所述支持向量机模型采用海洋捕食者算法优化参数。最后根据织机故障语义本体中类、子类以及它们之间的因果关系，计算故障机构集中每个故障机构出现时各个故障原因的发生概率，根据各个故障原因的发生概率排查故障原因。本发明实现了织机故障检测、故障判断和故障恢复的一体化故障诊断。
-
公开(公告)号：CN119721889A
公开(公告)日：2025-03-28
申请号：CN202411805350.5
申请日：2024-12-09
Applicant: 浙江工业大学 , 衢州市浙工大生态工业创新研究院
IPC: G06Q10/083 , G06N3/045 , G06N3/092 , G06N3/0464 , G06N3/084 , G06N7/01
Abstract: 本发明属于物流物品装箱技术和强化学习领域，公开了一种基于深度强化学习的高效三维装箱优化方法。包括将三维装箱问题描述为马尔科夫决策过程，并设定奖励机制为：每装载一个物品获得立即奖励，所有物品装载完毕后，根据容器的总装载率得到最终奖励；创建一个经验池，获取智能体与环境交互生成的轨迹，所述轨迹包括当前时刻的状态、当前时刻的动作、当前时刻的立即奖励、下一时刻的状态和当前时刻的TD误差，将所述轨迹存入经验池，并根据立即奖励和TD误差计算轨迹的复合优先级；根据复合优先级训练Actor‑Critic网络模型并应用。本发明提高了策略的性能和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119494029A
公开(公告)日：2025-02-21
申请号：CN202411507047.7
申请日：2024-10-28
Applicant: 浙江工业大学
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06N3/0464
Abstract: 基于深度学习的非稳态高维数据流中新类别识别与动态不平衡处理方法，包括：对输入数据流进行预处理，假设数据流为高维向量流，对每个数据样本进行标准化或归一化；基于卷积神经网络构建特征编码器，对数据流的高维样本进行特征提取，并生成特征表示；利用原型集成分类框架，通过维护每个类别的原型来进行分类，并根据新输入样本的距离进行类别判定；通过特征校正机制动态更新原型集，使得原型能更好地表示当前的类别分布；在分类过程中，通过马氏距离计算实现新类别检测，若样本与现有类别的距离超过设定阈值，则将该样本判定为新类别，并动态扩展原型集；采用标签分布感知的边缘损失函数，依据类别样本数量自适应调整损失边缘大小；利用延迟重新平衡优化策略，在初期训练时使用标准经验风险最小化方法，后期训练时切换至LDAM损失函数，对少数类别重新加权优化模型性能。
-
公开(公告)号：CN119441962A
公开(公告)日：2025-02-14
申请号：CN202411316867.8
申请日：2024-09-20
Applicant: 浙江工业大学
IPC: G06F18/241 , H04W12/79 , G06N3/094 , G06N3/096 , G06N3/0464 , G06F18/15
Abstract: 一种基于域自适应的Wi‑Fi射频指纹识别方法和装置，其方法包括：1)数据采集及预处理；2)数据增强：基于所述信号，提出一种基于物理损伤的数据随机增强方法对训练数据进行随机频率和相位增强；3)特征提取：基于增强后的数据，设计一种稳态和瞬态信号对数谱相结合的方法，提取射频指纹特征作为模型输入；4)构建域对抗迁移学习网络模型；5)训练模型和评估检测结果；6)模型应用：将训练好的模型在实际电磁场景中进行识别应用。本发明提出的方法通过在射频指纹领域引入对抗迁移学习网络机制，同时设计了一种基于物理损伤的随机数据增强方法和一种信道鲁棒的时频对数谱特征，成功提高了现有模型对未知目标域数据的识别精度，通过实验表明所述方法在单域泛化场景下比现有模型提高了约10％‑25％准确率，解决了现有模型在跨不同温度和信道状态的数据分布漂移问题。
-
公开(公告)号：CN119402400A
公开(公告)日：2025-02-07
申请号：CN202411548590.1
申请日：2024-11-01
Applicant: 浙江工业大学
Abstract: 一种基于状态引导以及种子变异的网络协议模糊测试方法和装置，其方法包括：1)根据官方RFC协议文档，手动构建高质量基础种子，并将种子与对应状态形成映射；2)将消息序列输入到目标程序进行模糊测试，与目标程序进行交互同时监测程序状态，并获取反馈；3)根据协议状态码以及路径覆盖率反馈，选取覆盖率高的种子进行信息保留变异，保留种子的状态转换功能，以减少无效种子的数量；4)状态引导消息序列生成：根据当前状态以及返回协议状态码，选取目标测试状态，优先选取未到达过或到达次数少的状态作为目标，然后根据基础种子生成能够到达或接近目标状态的消息序列。本发明提出的方法充分利用了协议的状态信息，并在种子变异过程中保留了种子的状态转换能力，通过状态引导以及针对性地消息序列生成，提高了网络协议模糊测试的效率以及质量。
-
公开(公告)号：CN119358639A
公开(公告)日：2025-01-24
申请号：CN202411394371.2
申请日：2024-10-08
Applicant: 浙江工业大学
IPC: G06N3/098 , G06N3/045 , G06N3/0475 , G06N3/096 , G06N3/09 , G06V10/82 , G06V10/764 , G06N20/00
Abstract: 基于轨迹匹配数据集蒸馏的Non‑IID联邦学习方法和装置，其方法包括：步骤1：有N个参与方，每个参与方拥有的本地的数据分布和标签，客户端之间的数据分布不满足独立同分布；在客户端，每个客户端初始化其本地模型，并将给定模型架构的原始分类器替换为相同的ETF分类器；服务器运行标准的联邦平均算法，客户端在本地数据上训练其模型，更新模型参数，并将参数上传至服务器，服务器对参数进行聚合，更新全局模型，该过程不断重复进行；服务器初始化合成数据的隐向量集合，并根据全局模型的早期轨迹进行优化；服务器利用优化后的合成数据修正聚合后的全局模型，直到通信轮数达到轮，初始化扩展隐向量集合，并继续基于后期的全局模型轨迹进行优化；通过前两次优化生成的合成数据，进一步修正全局模型；随着模型的不断更新、聚合与修正，最终全局模型逐渐收敛。本发明不仅能够显著提升全局模型的性能，还降低了计算和内存消耗，适合大规模应用。
-
公开(公告)号：CN118410723B
公开(公告)日：2024-10-11
申请号：CN202410866481.8
申请日：2024-07-01
Applicant: 浙江工业大学
IPC: G06F30/27 , G06F30/17 , G06N3/042 , G06F18/2413 , G06F119/04
Abstract: 本发明属于寿命预测技术领域，具体涉及一种可解释旋转机械全寿命周期服役性能退化评估方法。采用多源传感器监测旋转机械的设备随机退化过程，获取原始数据，采用小波包分解和最大‑最小归一化对原始数据进行预处理；通过KNN对选中的多源传感器构建网络拓扑图，采用GCN将预处理后的原始数据聚合成一维复合健康指标；构建随机退化模型，计算预测剩余寿命和预测剩余寿命的方差；构建以设备剩余使用寿命的预测误差、预测不确定性为中心的损失函数，通过Adam优化器自动更新随机退化模型的参数至算法收敛，得到退化评估结果。本发明在数据模型交互框架的模型层面，通过改进的包含多重不确定性的线性维纳过程来对随机退化过程进行优化建模。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.021 seconds)
