公开(公告)号：CN108549907A

公开(公告)日：2018-09-18

申请号：CN201810320808.6

申请日：2018-04-11

Applicant: 武汉大学

Inventor： 李石君 ,  刘洋 ,  杨济海 ,  邓永康 ,  余伟 ,  余放 ,  李宇轩

IPC: G06K9/62 ,  G06F17/16

Abstract: 本发明提出了一种基于多源迁移学习的数据校验方法。本发明的方法为提取源数据集以及目标训练集对应的站点业务数量并进行归一化；通过迁移学习模型SVR模型以及径向基函数构建基于权重的SVR模型；初始化源数据以及目标省份的站点权重并进行归一化，通过分别合并归一化源数据集、归一化目标训练数据集、归一化业务数据量训练集以及归一化业务数量得到合并训练集；将合并训练集以及归一化向量建立预测模型并计算模型误差参数；多次迭代并计算最终的预测模型；用最终的预测模型得到目标省份的预测站点业务数量，并对预测站点业务数量进行反归一化；与现有技术相比，本发明提高了数据质量，节约了数据资源。

公开(公告)号：CN107769972A

公开(公告)日：2018-03-06

申请号：CN201711010115.9

申请日：2017-10-25

Applicant: 武汉大学

Inventor： 李石君 ,  李号号 ,  杨济海 ,  刘杰 ,  余伟 ,  余放 ,  李宇轩

IPC: H04L12/24

Abstract: 本发明涉及一种基于改进的LSTM的电力通信网设备故障预测方法。本发明首先提出了数据预处理和构建时序输入的方法。LSTM相比简单的循环神经网络，更易于学习长期的依赖，能够很好的解决序列相关的预测问题。因为设备告警之间存在很强的关联性，通过PCA能够确保变量之间的独立性。本发明还使用目标复制的策略对LSTM进行改进，在时序每一步中都可以带来局部的误差信息，相比简单的只在最后一步进行目标输出，该策略能够提升模型的精度，降低过拟合的风险。结合dropout，本发明提出LSTM的预测模型，深度学习能够取得更好的预测精度。同时，本发明首次使用了LSTM对电力通信网告警数据进行建模，识别其内部的时序模式。

公开(公告)号：CN309218499S

公开(公告)日：2025-04-04

申请号：CN202430396733.6

申请日：2024-06-26

Applicant: 国家电网有限公司信息通信分公司 ,  脉冲视觉(北京)科技有限公司 ,  国网江西省电力有限公司信息通信分公司

Designer： 彭元龙 ,  闫龙川 ,  杨济海 ,  郑锦坤 ,  宋健 ,  宋磊

Abstract: 1.本外观设计产品的名称：摄像机及其主体。
2.本外观设计产品的用途：本申请的整体和局部均用于视频、图片的拍摄。
3.本外观设计产品的设计要点：在于形状。
4.最能表明设计要点的图片或照片：设计1立体图1。
5.指定设计1为基本设计。
6.其他需要说明的情形其他说明：本外观设计产品的各设计请求局部外观设计保护，实线部分为请求保护范围，虚线部分为非请求保护范围。