-
公开(公告)号：CN115239034A
公开(公告)日：2022-10-25
申请号：CN202211169343.1
申请日：2022-09-26
Applicant: 北京科技大学
Abstract: 本发明公开了一种风力发电机叶片早期缺陷预测方法及系统，属于风力发电设备领域。所述方法先收集叶片早中晚期场景的图像，对晚期图像进行人工标注作为反演语义分割训练集样本；将对应的叶片早中期图像集作为模型样本集划分自监督训练集和验证集，并对验证集进行人工标注；构建基网络及早期缺陷自监督学习模型，采用自监督训练集进行训练，得到成熟模型，获得模型权重；构建分割头模型，基网络加载权重，并将基网络与分割头模型进行连接，输入反演语义分割训练集进行训练，输出语义分割标签，得到成熟的下游任务分割模型；获取待预测叶片的早期图像输入下游任务分割模型，输出早期缺陷的位置信息。本发明提高了叶片早期缺陷预测准确度。
-
公开(公告)号：CN116543166B
公开(公告)日：2023-09-05
申请号：CN202310808414.6
申请日：2023-07-04
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/34 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/048 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种早期脑部肿瘤分割方法和系统，包括：收集并预处理不同脑部肿瘤患者不同时期的MRI影像数据；划分为早期与中、晚期数据，进行标注并排序；将中、晚期脑部肿瘤数据作为源域输入基于3D‑GRU、3D‑CNN和Transformer融合设计的语义分割基模型进行预训练，提取中、晚期肿瘤的时序变化特征与肿瘤的形态学特征信息，获得预训练权重；将预训练权重作为先验知识，早期肿瘤训练集数据作为目标域进行迁移学习模型的训练，利用中、晚期肿瘤特征反演早期肿瘤特征，从源域进行参数高效迁移目标域；将待分割的早期肿瘤MRI影像数据预处理后，输入训练完成的迁移学习模型，生成早期脑部肿瘤病灶区域的分割结果。采用本发明，能在肿瘤尚处于早期的时候就将其准确分割。
-
公开(公告)号：CN116543166A
公开(公告)日：2023-08-04
申请号：CN202310808414.6
申请日：2023-07-04
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/34 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/048 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种早期脑部肿瘤分割方法和系统，包括：收集并预处理不同脑部肿瘤患者不同时期的MRI影像数据；划分为早期与中、晚期数据，进行标注并排序；将中、晚期脑部肿瘤数据作为源域输入基于3D‑GRU、3D‑CNN和Transformer融合设计的语义分割基模型进行预训练，提取中、晚期肿瘤的时序变化特征与肿瘤的形态学特征信息，获得预训练权重；将预训练权重作为先验知识，早期肿瘤训练集数据作为目标域进行迁移学习模型的训练，利用中、晚期肿瘤特征反演早期肿瘤特征，从源域进行参数高效迁移目标域；将待分割的早期肿瘤MRI影像数据预处理后，输入训练完成的迁移学习模型，生成早期脑部肿瘤病灶区域的分割结果。采用本发明，能在肿瘤尚处于早期的时候就将其准确分割。
-
Patent Agency Ranking
公开(公告)号：CN116151480B
公开(公告)日：2023-07-18
申请号：CN202310350371.1
申请日：2023-04-04
Applicant: 北京科技大学
Abstract: 本发明提供一种页岩油井产量预测方法和装置，包括：收集页岩油井的历史生产数据，对数据进行预处理，包括静态参数数据、动态生产安排参数数据和日产油量数据；将静态参数数据输入静态嵌入初始偏置模块，提取静态嵌入信息，作为序列到序列模型的初始状态偏置；将静态参数数据、动态生产安排参数数据和日产油量数据输入动静态互补交叉融合模块，获得动态日产安排参数数据和静态参数数据的互补融合信息，作为序列到序列模型的输入；使用序列到序列模型进行页岩油井产量一定范围内任意步长的迭代预测。本发明能够适应复杂的地质工程条件，提高产量预测准确率，并且实现了页岩油井产量一定范围内任意步长的迭代预测。
-
公开(公告)号：CN116151480A
公开(公告)日：2023-05-23
申请号：CN202310350371.1
申请日：2023-04-04
Applicant: 北京科技大学
Abstract: 本发明提供一种页岩油井产量预测方法和装置，包括：收集页岩油井的历史生产数据，对数据进行预处理，包括静态参数数据、动态生产安排参数数据和日产油量数据；将静态参数数据输入静态嵌入初始偏置模块，提取静态嵌入信息，作为序列到序列模型的初始状态偏置；将静态参数数据、动态生产安排参数数据和日产油量数据输入动静态互补交叉融合模块，获得动态日产安排参数数据和静态参数数据的互补融合信息，作为序列到序列模型的输入；使用序列到序列模型进行页岩油井产量一定范围内任意步长的迭代预测。本发明能够适应复杂的地质工程条件，提高产量预测准确率，并且实现了页岩油井产量一定范围内任意步长的迭代预测。
-
公开(公告)号：CN117076931B
公开(公告)日：2024-01-12
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内 天高维动态时序数据作为加噪数据，以及 天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
公开(公告)号：CN117076931A
公开(公告)日：2023-11-17
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内#imgabs0#天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内#imgabs1#天高维动态时序数据作为加噪数据，以及#imgabs2#天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
公开(公告)号：CN115239034B
公开(公告)日：2022-11-29
申请号：CN202211169343.1
申请日：2022-09-26
Applicant: 北京科技大学
Abstract: 本发明公开了一种风力发电机叶片早期缺陷预测方法及系统，属于风力发电设备领域。所述方法先收集叶片早中晚期场景的图像，对晚期图像进行人工标注作为反演语义分割训练集样本；将对应的叶片早中期图像集作为模型样本集划分自监督训练集和验证集，并对验证集进行人工标注；构建基网络及早期缺陷自监督学习模型，采用自监督训练集进行训练，得到成熟模型，获得模型权重；构建分割头模型，基网络加载权重，并将基网络与分割头模型进行连接，输入反演语义分割训练集进行训练，输出语义分割标签，得到成熟的下游任务分割模型；获取待预测叶片的早期图像输入下游任务分割模型，输出早期缺陷的位置信息。本发明提高了叶片早期缺陷预测准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
