-
公开(公告)号：CN119150657A
公开(公告)日：2024-12-17
申请号：CN202411012652.7
申请日：2024-07-26
Applicant: 东北大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06F18/10 , G06F18/213
Abstract: 本发明公开一种基于改进极限学习机的核事故反演方法，涉及核事故源项反演技术领域。本发明对收集的核事故综合数据进行缺失与异常数据筛选，并将核事故综合数据中的时序数据输入长短期记忆网络中进行初步预测并进行窗口特征提取处理，通过对极限学习机进行改进提升反演模型的效率精度，采用麻雀优化算法与极限学习机结合，对极限学习机的权重矩阵和偏置向量进行全局优化，同时在麻雀优化算法中引入正余弦算法与遗传算法的变异交叉，在极限学习机输出层引入输入层信息同时引用C‑loss损失函数对结构进行改进，提高模型鲁棒性降低极限学习机模型的内在复杂性，防止过拟合，提高模型的质量，提高模型预测精度与速度。
-
公开(公告)号：CN109104190B
公开(公告)日：2021-06-15
申请号：CN201811142043.8
申请日：2018-09-28
Applicant: 东北大学
Abstract: 本发明提供一种基于多次采样的时间数字转换电路，包括使能复位信号生成模块、Start延迟环、Stop延迟环、信号检测器、Start延迟环和Stop延迟环计数器、计数器寄存器、ROM存储器、ROM存储器寄存器、数据处理器、数据处理器寄存器。Start、Stop信号输入电路中，分别进入Start和Stop延迟环中传播，每个延迟环的最后一个延迟单元后连接计数器，输出连接寄存器，使能复位信号生成模块接在计数器上，同时每个延迟环的输出分别接16个信号检测器对信号进行多次采样，采样结果输入ROM存储器中，输出连接寄存器，计数器寄存器、ROM存储器寄存器的结果作为数据处理器的输入，输出连接寄存器。本发明的技术方案解决了现有的时间数字转换器测量精度低的问题，实现了更高的测量精度。
-
公开(公告)号：CN112802567A
公开(公告)日：2021-05-14
申请号：CN202110108182.4
申请日：2021-01-27
Applicant: 东北大学
Abstract: 本发明涉及治疗费用预测技术领域，提供一种融合贝叶斯网络与回归分析的治疗费用预测方法，包括：步骤1：获取初始电子病历数据集：获取确诊为预设疾病的多份历史电子病历，确定与预设疾病相关的评价指标，抓取与预设疾病相关的评价指标数据、治疗方案类型数据、治疗费用数据，并对描述型评价指标进行数值化处理；步骤2：分析数据缺失程度，对部分缺失变量插值；步骤3：构建并训练基于高斯贝叶斯网络的治疗方案分类模型；步骤4：构建并训练每个治疗方案类型下基于回归分析的治疗费用预测模型；步骤5：对确诊为预设疾病的病人的治疗费用进行预测。本发明充分利用了文本电子病历数据，能够在数据量较小时提高治疗费用预测的精度和鲁棒性。
-
公开(公告)号：CN111104969A
公开(公告)日：2020-05-05
申请号：CN201911226442.7
申请日：2019-12-04
Applicant: 东北大学
Abstract: 本发明涉及无人驾驶技术领域，提供一种无人驾驶车辆与周边车辆的碰撞可能性预判方法。首先获取目标车辆的轨迹数据和环境数据；然后对轨迹数据进行特征值添加及标准化处理，提取并标注变道、直行轨迹数据，构造第kLSTM数据集；接着对环境数据进行数据清洗，提取并标注变道、直行环境数据，构造Adaboost数据集；再构建并训练第kAttention-LSTM深度神经网络模型及Adaboost机器学习模型，并结合三个模型对目标车辆进行行为预判；在预测出变道行为后，进行碰撞可能性预判，并在判断处于危险驾驶状态时采取避撞措施。本发明能够提高无人驾驶车辆与周边车辆的碰撞可能性预判的准确性、实时性和效率。
-
公开(公告)号：CN110022155A
公开(公告)日：2019-07-16
申请号：CN201910169003.0
申请日：2019-03-06
Applicant: 东北大学
IPC: H03M1/12
Abstract: 本发明公开了一种采样阈值随输入信号变化的异步过电平采样模数转换器，当输入信号连续并且短的一直上升或者一直下降变化时，本电路通过比较器模块、计数器模块以及数模转换器模块模块配合来改变整个设计的阈值。外界输入信号触发比较器模块的输出改变，从而改变计数器模块的输出的二进制值，由译码器翻译出二进制值得改变，以此来控制数模转换器模块模块的开关，控制数模转换器模块模块的输出电压。该输出电压连接比较器模块的参考电压，改变了参考电压即改变了本设计的阈值。因此当连续并且短时间的一直上升或者一直下降变化的输入信号来临后，该电路可根据阈值分辨率的改变以此来减少采样次数，减低能耗。
-
Patent Agency Ranking
公开(公告)号：CN104320341B
公开(公告)日：2017-05-24
申请号：CN201410571169.2
申请日：2014-10-23
Applicant: 东北大学
IPC: H04L12/741 , H04L12/771 , H04L12/865
Abstract: 一种路由自适应异步2D‑Torus片上网络及其设计方法，多个异步路由节点按照2D‑Torus拓扑结构和异步握手通信机制构建片上网络；每个异步路由节点具有东向、西向、南向、北向和本地端口共五个端口，每一端口均包括输入端、数据接收模块、数据解码模块、路由计算模块、交叉开关模块、数据仲裁模块、数据编码模块、数据发送模块和输出端；该方法包括：设计异步路由节点具有的各个端口的接口行为，并对异步路由节点内部的数据流向进行描述；对异步片上网络中传输数据的数据结构进行设计；利用异步有限状态机的方法设计端口中的模块；完成各个模块的硬件编程；构建异步路由节点；构建N×N的异步2D‑Torus片上网络。
-
公开(公告)号：CN118965996A
公开(公告)日：2024-11-15
申请号：CN202411065219.X
申请日：2024-08-05
Applicant: 东北大学
Abstract: 本发明提供一种基于金字塔与深层神经网络的土壤定量建模方法，属于化学计量学的定量检测技术领域。获取土壤样本的光谱与含量作为土壤数据集；对土壤数据集的光谱进行光谱预处理，获得预处理光谱；从隐含层输出特征、隐含层神经元的角度分别构建基于隐含层输出特征的交叉分辨率模型、基于隐含层神经元的交叉分辨率模型，输入是预处理光谱，输出是土壤含量；利用均方根误差评价模型，为样本选取最优模型，从而构建基于样本的交叉分辨率模型。从而基于金字塔方式改进深度随机向量函数链神经网络，实现了深层神经网络、光谱重采样、特征提取的融合，构建了隐含层的层数与神经元数的定量关系，不仅提高了模型精度与准确度，而且简化了模型结构。
-
公开(公告)号：CN118072866A
公开(公告)日：2024-05-24
申请号：CN202311576119.9
申请日：2023-11-23
Applicant: 东北大学
IPC: G16C20/70 , G01N21/25 , G01N33/24 , G16C20/20 , G06F18/15 , G06F18/2135 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开一种基于光谱差与含量差的土壤数据增强方法，涉及化学计量学的定量检测领域。获取原始样本集；采用基于最值的光谱差减法处理原始样本获取若干个增强样本，进而得到增强样本集；分别对原始样本进行不同形式的数据增强从而得到光谱差与含量差；对土壤定量检测模型进行训练和测试；从若干个土壤定量检测模型中选择出最优的土壤定量检测模型；获取含有光谱与含量的新样本，基于选择出的最优的土壤定量检测模型，获得新样本的含量预测值。本发明基于含量的最大值或最小值，通过光谱与含量，获得光谱差与含量差，不仅实现了光谱数据增强，也实现了含量数据增强；降低了原始样本的数量限制，使模型不因样本有限局限于机器学习而引入深度学习。
-
公开(公告)号：CN112802567B
公开(公告)日：2023-11-07
申请号：CN202110108182.4
申请日：2021-01-27
Applicant: 东北大学
IPC: G16H10/60 , G06Q10/04 , G06Q10/0639 , G06Q30/0283 , G06F18/23 , G06F18/214 , G06F18/2415
Abstract: 本发明涉及治疗费用预测技术领域，提供一种融合贝叶斯网络与回归分析的治疗费用预测方法，包括：步骤1：获取初始电子病历数据集：获取确诊为预设疾病的多份历史电子病历，确定与预设疾病相关的评价指标，抓取与预设疾病相关的评价指标数据、治疗方案类型数据、治疗费用数据，并对描述型评价指标进行数值化处理；步骤2：分析数据缺失程度，对部分缺失变量插值；步骤3：构建并训练基于高斯贝叶斯网络的治疗方案分类模型；步骤4：构建并训练每个治疗方案类型下基于回归分析的治疗费用预测模型；步骤5：对确诊为预设疾病的病人的治疗费用进行预测。本发明充分利用了文本电子病历数据，能够在数据量较小时提高治疗费用预测的精度和鲁棒性。
-
公开(公告)号：CN111104969B
公开(公告)日：2023-09-19
申请号：CN201911226442.7
申请日：2019-12-04
Applicant: 东北大学
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06N3/045 , G06N3/0442 , G06N3/08 , G08G1/16
Abstract: 本发明涉及无人驾驶技术领域，提供一种无人驾驶车辆与周边车辆的碰撞可能性预判方法。首先获取目标车辆的轨迹数据和环境数据；然后对轨迹数据进行特征值添加及标准化处理，提取并标注变道、直行轨迹数据，构造第kLSTM数据集；接着对环境数据进行数据清洗，提取并标注变道、直行环境数据，构造Adaboost数据集；再构建并训练第kAttention‑LSTM深度神经网络模型及Adaboost机器学习模型，并结合三个模型对目标车辆进行行为预判；在预测出变道行为后，进行碰撞可能性预判，并在判断处于危险驾驶状态时采取避撞措施。本发明能够提高无人驾驶车辆与周边车辆的碰撞可能性预判的准确性、实时性和效率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.021 seconds)
