-
公开(公告)号：CN118536641A
公开(公告)日：2024-08-23
申请号：CN202410435721.9
申请日：2024-04-11
Applicant: 武汉大学
Inventor： 余伟 , 汪千一 , 王皓 , 彭晶晶 , 李石君 , 李志宇 , 匡瑞林 , 刘宇轩 , 刘梓轩 , 胡斐 , 万豪杰 , 郑皓杰 , 晋尧 , 曾宪泽 , 丁宁 , 李佳璇 , 陈博宇 , 李一帆 , 唐千千 , 李宇轩
IPC: G06Q10/04 , G06F18/25 , G06Q50/06 , G06N3/0455 , G06N3/0499 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种风电场群功率预测方法、装置、设备及存储介质，包括：获取目标风电场群在不同维度上的信息数据；所述目标风电场群包括若干风电场；调用预先构建的功率预测模型，根据所述目标风电场群的信息数据，确定所述目标风电场群的功率预测结果；所述功率预测模型包括预先配置的数据嵌入层、编码器层和解码器层；所述数据嵌入层用于对所述目标风电场群在不同维度上的信息数据进行融合，确定数据编码。本发明通过对风电场群中各类信息及其相互作用的全面考虑和动态融合，解决了现有的相关技术中存在的风电场群功率预测精度不佳的问题。
-
-
公开(公告)号：CN117293803A
公开(公告)日：2023-12-26
申请号：CN202311244927.5
申请日：2023-09-25
Applicant: 武汉大学
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/2113 , G06F18/2115 , G06F18/27 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及一种基于多特征建模与注意力增强的电力回路短期能耗预测方法，针对实际环境采样的电力回路能耗感知数据进行数据预处理和多特征建模构造回路能耗多特征数据集，随后构建双注意力增强的能耗预测网络，在双向GRU神经网络提取的时序特征的基础上，分别在时间和特征维度上进行注意力计算，最后融合构造表达效果更强的回路能耗时序特征完成电力回路短期能耗预测。本发明使得实际采集的回路能耗数据可以直接用于模型预测，同时构建注意力增强的能耗预测网络对回路能耗影响因子进行时序特征提取，并同时在时间步和多特征两个维度进行注意力的集成，捕捉待预测能耗最相关的时间步以及影响较大的特征维度，进而提高短期预测准确率。
-
公开(公告)号：CN116823850A
公开(公告)日：2023-09-29
申请号：CN202310640900.1
申请日：2023-06-01
Applicant: 武汉大学
Abstract: 本发明提供一种基于U‑Net和Transformer融合改进的心脏MRI分割方法及系统，进行数据预处理，包括首先对图像进行零均值标准化，并进行数据增强处理以扩充训练数据；利用Transformer优化U‑Net跳跃连接，基于多粒度特征优化U‑Net跳跃连接，基于交叉注意力机制优化U‑Net跳跃连接，根据构建好的模型对心脏MRI数据进行训练，将得到的心脏左心室、右心室、心肌以及背景相应像素概率值再按照不同的像素值进行分类，从而达到不同区域的分割效果，最终得到分割好的标注结果。本发明在捕获更丰富的全局特征的同时也能够降低计算复杂度，以此提高浅层编解码器之间的特征融合的全局性，实现更丰富的特征融合效果，最终实现更高精度的心脏MRI分割效果。
-
公开(公告)号：CN109597836B
公开(公告)日：2023-06-27
申请号：CN201811441722.5
申请日：2018-11-29
Applicant: 武汉大学
IPC: G06F16/2458
Abstract: 本发明属于关联规则分析的研究范畴，涉及一种基于加权矩阵的通信设备告警关联规则挖掘方法。考虑到检修人员对通信网设备不同类型告警的关注度各不相同，不同告警记录对于特定设备故障诊断的重要程度不同，根据专家经验为每一条事务记录设置垂直权值，为每一个项目设置水平权值，运用加权矩阵减少数据库扫描次数，以Aprior算法的连接、剪枝思想为基础，建立基于加权矩阵的告警关联规则分析的模型AARWM用于计算频繁项集，最后根据频繁项集生成符合最小置信度的加权告警关联规则，从而提高设备告警关联规则挖掘的效率和准确率，为设备故障诊断提供可靠依据。
-
Patent Agency Ranking
公开(公告)号：CN111260249B
公开(公告)日：2022-08-05
申请号：CN202010091057.2
申请日：2020-02-13
Applicant: 武汉大学
Abstract: 本发明公开了一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法，属于时序分析和分类回归的研究范畴，涉及LSTM，随机森林等技术领域，主要针对通信网络业务记录和业务告警记录，构建LSTM和随机森林混合分类模型，采用Adam优化方法进行模型训练，利用已经训练好的模型进行分类任务。本发明的优点：可以自动从过去十二个月的历史告警记录中学习训练模型，并对接下来一个月的业务可靠性做出评估和预测，提高对低可靠性业务的风险预警，及时预防和止损。
-
公开(公告)号：CN108549907B
公开(公告)日：2021-11-16
申请号：CN201810320808.6
申请日：2018-04-11
Applicant: 武汉大学
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：CN112287066A
公开(公告)日：2021-01-29
申请号：CN202011140053.5
申请日：2020-10-22
Applicant: 武汉大学
IPC: G06F16/31 , G06F16/335 , G06N3/08 , G06Q50/18
Abstract: 本发明涉及一种基于倒排索引与Seq2Seq模型的法律法规推荐方法及系统，属于推荐系统的研究范畴，涉及倒排索引、RNN神经网络、Seq2Seq模型等领域，主要针对审计中涉及的法律法规、案例等数据构建倒排索引以及Seq2Seq神经网络模型，利用已经训练好的模型实现法律法规及相关案例的智能推荐任务。本发明的优点：可以自动根据场景、关键词智能推荐相关的法律法规以及案例，降低从业者的劳动负荷，提高劳动效率。
-
公开(公告)号：CN110750641A
公开(公告)日：2020-02-04
申请号：CN201910906673.6
申请日：2019-09-24
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/289 , G06N3/08
Abstract: 本发明涉及一种基于序列连接模型和二叉树模型的分类纠错方法，属于数据质量的研究范畴，涉及feed-forward neural network，RNN，CART等技术领域，主要针对通信网络业务记录和业务通道记录，构建Replicator Neural Network+CART分类模型，采用BP优化方法进行模型训练，利用已经训练好的模型进行分类任务。本发明的优点：自动挑选训练数据，无需人工识别数据，自动发现异常数据进行真值推荐，减少人工的审核工作量，提升数据质量。
-
公开(公告)号：CN108132423B
公开(公告)日：2019-11-22
申请号：CN201711340903.4
申请日：2017-12-14
Applicant: 武汉大学
IPC: G01R31/08
Abstract: 本发明涉及一种基于状态转移概率电力系统监测数据失真的快速定位方法，本方法重点关注监测数据的状态变化概率，通过多次转移后的概率分布的特征与设备运行时数据正常变化的阈值进行对比，导出失真定位矩阵，快速定位失真数据的位置。整体分为四个步骤1.监测数据属性实体划分，2.电力设备的监测数据转移概率,电力设备的多次监测转移矩阵,4.失真数据定位与子系统失真程度度量。本发明数据采集阶能将各种数据格式或数据结构统一成状态转移概率，因此规避了多源异构数据中不同数据格式对数据分析造成的影响，降低了分析系统的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.033 seconds)
