一种风电站出力功率预测方法、终端设备及存储介质

    公开(公告)号:CN116822358A

    公开(公告)日:2023-09-29

    申请号:CN202310748865.5

    申请日:2023-06-25

    Applicant: 厦门大学

    Inventor: 张志宏 孙承昱

    Abstract: 本发明涉及一种风电站出力功率预测方法、终端设备及存储介质,该方法中包括:基于风电站中各涡轮机的布局信息构建表征拓扑关系的有向图;设定节点特征和边特征;基于预设的子图得到子图频率向量;将子图频率向量转换后的熵值作为子图熵,基于每个子图包含的节点或边,将子图熵对应添加至节点特征或边特征内;采集风电站的历史数据生成对应的有向图,基于历史数据对应的有向图和出力功率构建训练集;构建风电功率预测模型,通过风电站的历史数据对模型进行训练,得到训练后的模型;通过训练后的模型对风电站的出力功率进行实时预测。本发明可以通过少量的计算复杂度实现较为显著的预测精度提升。

    协助学生上网课的行为识别方法及装置

    公开(公告)号:CN116484190A

    公开(公告)日:2023-07-25

    申请号:CN202310473049.8

    申请日:2023-04-27

    Applicant: 厦门大学

    Abstract: 本发明公开了一种协助学生上网课的行为识别方法,首先,获取学生的头部动作信号,其中,学生的头部动作信号包括RFID电子标签的相位和接收的信号强度指示;接着,构建训练好的动作识别模型,并将学生的头部动作信号输入到动作识别模型以便输出对应的头部动作;最后,根据预设应用场景对输出的所述头部动作进行解析,以便执行对应操作;由此,通过RFID识别学生头部动作信号,以便根据头部动作实现多应用场景执行对应操作,从而在降低学生隐私公开的同时还提高了上网课效率。

    隔声装置
    25.
    发明公开
    隔声装置 审中-实审

    公开(公告)号:CN115447955A

    公开(公告)日:2022-12-09

    申请号:CN202211202613.4

    申请日:2022-09-29

    Abstract: 本发明提供了一种隔声装置。隔声装置包括:机座,包括顶板、底板及支撑板,顶板通过支撑板与底板连接,支撑板具有用于安装管状带式输送机的输送带的安装孔,顶板、底板及支撑板围绕形成安装口,安装口位于输送带的两侧;隔声组件,设置在安装口处,隔声组件包括隔声结构和至少两个承接结构,承接结构设置在支撑板上,隔声结构的上端与一个承接结构可转动地连接,隔声结构的下端具有与另一个承接结构磁性吸合的吸合状态和与该承接结构分离的维护状态。本发明有效地解决了现有技术中隔声装置影响工作人员对输送机正常维护、甚至产生安全隐患的问题。

    GRNN结合遗传算法的室内定位方法及系统

    公开(公告)号:CN113310490B

    公开(公告)日:2022-10-04

    申请号:CN202110527801.3

    申请日:2021-05-14

    Applicant: 厦门大学

    Abstract: 本发明提出了一种GRNN结合遗传算法的室内定位方法及系统,其中该方法包括采用RFID阅读器沿既定轨迹移动,以便在移动过程中获取RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标;建立GRNN网络模型,并采用遗传算法对GRNN网络模型的超参数进行调整以获取最优超参数,以便根据最优超参数和RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标对GRNN网络模型进行训练;获取待定位标签的多条标签信号强度特征,并将待定位标签的多条标签信号强度特征输入到训练好的GRNN网络模型进行预测以获取待定位标签的位置信息;由此,通过单个RFID阅读器收集多条标签信号强度特征从根本上规避了RFID阅读器之间的信号碰撞且大幅度降低了定位成本。

    一种基于动态递归机制的分层强化学习的推荐系统

    公开(公告)号:CN112597391A

    公开(公告)日:2021-04-02

    申请号:CN202011564657.2

    申请日:2020-12-25

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统,包括用户画像矫正器:采用一种动态递归机制的策略梯度方法,及引入参数动态稀疏权重以删除噪声数据来修改用户画像,其中,所述动态递归机制的策略梯度方法包括:动态基线和基于时序上下文的递归强化学习,所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进;注意力机制:用于自动调整用户偏好的变化;推荐模型:用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统,通过在策略梯度方法中引入一个参数动态稀疏权重,使智能体在全局最优策略下选择最优行为;其次,结合时间上下文的分层强化学习,该方法能够更可靠地收敛,从而提高模型预测的稳定性。

    无线传感器网络中基于多目标进化算法的优化覆盖方法

    公开(公告)号:CN106131862A

    公开(公告)日:2016-11-16

    申请号:CN201610511177.7

    申请日:2016-07-01

    Applicant: 厦门大学

    CPC classification number: Y02D70/00 H04W16/18 H04W24/02 H04W84/18

    Abstract: 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法,首先创建无线传感器网络的数学模型及目标函数,随机生成一种群,采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下:维持一个大小为N的种群,并通过不断迭代,引导算法逼近Pareto最优前沿。在每一次迭代过程中,首先给定一个种群Pt;引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′;然后,采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界,引入新分布度维持策略与快速非支配排序算法结合,以选择一个新的种群进入下一次进化,最终获得使得无线传感器网络所有节点的总工作功率小,同时又能保证覆盖率的最大化的种群方案。

Patent Agency Ranking