-
公开(公告)号：CN111932078A
公开(公告)日：2020-11-13
申请号：CN202010660842.5
申请日：2020-07-10
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 杭州电子科技大学
Abstract: 本申请提出了基于量测数据多态势评判的风险用户识别方法，包括获取用户用电数据，对用户用电数据进行预处理后得到成熟用电数据；从成熟用电数据中提取特征参数作为SVM算法的输入特征集，将输入特征集转换为特征向量，将特征向量送入SVM分类器中进行分类训练；基于训练后的SVM算法结合特征参数对风险用户进行识别。使用的SVM分类算法无论是对风险用户还是对于正常用户的识别，相较于统计学指标判断方法，都有了较好的提升，明显的提高了准确率。
-
公开(公告)号：CN111931989A
公开(公告)日：2020-11-13
申请号：CN202010661454.9
申请日：2020-07-10
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 杭州电子科技大学
Abstract: 本申请实施例提出了基于深度学习神经网络的电力系统短期负荷预测方法，包括收集电力系统的历史负荷数据，对收集到的历史负荷数据进行预处理；搭建基于Attention机制的LSTM负荷预测模型；基于搭建的LSTM负荷预测模型对电力系统短期负荷进行预测。通过使用基于Attention机制的LSTM神经网络预测模型可以更好地挖掘历史负荷数据序列中的关键信息以及时间序列数据之间的特征关系，对时间序列预测问题有明显的影响。很显然，深度学习递归神经网络对电力负荷预测问题有很好的适应性。证明了提出的基于Attention机制的LSTM神经网络预测模型具有较高的预测精度和较强的稳定性。
-
公开(公告)号：CN119672589A
公开(公告)日：2025-03-21
申请号：CN202411493382.6
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卡方过滤的双分支网络视频分割方法。首先利用现有的3D特征提取网络对数据集进行特征提取，然后对提取的特征进行再处理；将再处理的特征输入到双分支神经网络当中，为了结合两分支网络的特性，边界分支注重于识别边界，主干分支注重于识别动作主体，利用投票的形式结合双分支阶段输出的网络参数；最后反向传播更新参数。本发明针对于神经网络使用含有噪声的特征进行训练导致的过拟合问题，提出了一种特征预处理方式，使用卡方过滤与遗传算法来优化未经过处理的特征。本发明通过将预处理部分与双分支神经网络上进行结合，提高了预测的准确率，在50Salads与Gtea数据集上取得了出色的结果。
-
公开(公告)号：CN117932534A
公开(公告)日：2024-04-26
申请号：CN202410087927.7
申请日：2024-01-22
Applicant: 杭州电子科技大学浦江微电子与智能制造研究院有限公司
IPC: G06F18/25 , G06F18/27 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06N20/10 , G06F18/2411 , G06F123/02
Abstract: 本发明公开了一种基于HPO‑SVR‑LSTM的水晶研磨时间预测方法，首先通过水晶研磨工业控制系统采集数据并构建数据集，对研磨控制参数序列进行预处理降低样本中的敏感性；构建SVR非线性时长预测单元以及LSTM神经网络时长预测单元，捕捉数据的非线性特征及多元变量间的映射关系；融入输入注意力模块，提取研磨控制参数间的时空关系特征并分配权重；融入HPO优化算法，迭代寻优预测单元的超参数以及单元组合比例，提高模型性能与稳定性，并输出水晶研磨时间的预测值。有效改善了水晶过磨或者少磨而造成质量不稳定的问题，不再需要工人依据经验对研磨时间进行估计与调整，提高了预测的稳定性。
-
公开(公告)号：CN110518442B
公开(公告)日：2020-09-01
申请号：CN201910619675.7
申请日：2019-07-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了双波长硒化铅量子点超连续谱光纤激光器。提高泵浦光的功率来提高超连续谱激光的展宽范围会极大地影响激光器的稳定性，甚至造成光学器件的损坏。本发明包括泵浦源、波分复用器一、增益光纤一、光开关、泵浦光源一、高反单元一、波分复用器二、增益光纤二、光饱和吸收体一、低反单元一、高非线性光子晶体光纤一、泵浦光源二、高反单元二、波分复用器三、增益光纤三、光饱和吸收体二、低反单元二和高非线性光子晶体光纤二。本发明选择硒化铅量子点作为增益光纤，通过调节光开关的输出端口分两路来输出两种不同光谱范围的超连续谱激光，在较低的泵浦功率下得到所需的超连续谱激光，避免泵浦功率过大造成光学器件的损坏。
-
Patent Agency Ranking
公开(公告)号：CN110518442A
公开(公告)日：2019-11-29
申请号：CN201910619675.7
申请日：2019-07-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了双波长硒化铅量子点超连续谱光纤激光器。提高泵浦光的功率来提高超连续谱激光的展宽范围会极大地影响激光器的稳定性，甚至造成光学器件的损坏。本发明包括泵浦源、波分复用器一、增益光纤一、光开关、泵浦光源一、高反单元一、波分复用器二、增益光纤二、光饱和吸收体一、低反单元一、高非线性光子晶体光纤一、泵浦光源二、高反单元二、波分复用器三、增益光纤三、光饱和吸收体二、低反单元二和高非线性光子晶体光纤二。本发明选择硒化铅量子点作为增益光纤，通过调节光开关的输出端口分两路来输出两种不同光谱范围的超连续谱激光，在较低的泵浦功率下得到所需的超连续谱激光，避免泵浦功率过大造成光学器件的损坏。
-
公开(公告)号：CN119723630A
公开(公告)日：2025-03-28
申请号：CN202411512411.9
申请日：2024-10-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人脸模板和滑动窗口的人脸提取方法，首先将图片转为灰度图，并采用sobel算子进行边缘检测得到边缘强度特征；对灰度图进行预处理，然后对经过处理的图片计算积分图；基于人脸模板，对人脸模板满足规则的阈值进行赋值；基于积分图计算像素密度特征，然后结合边缘强度特征标记人脸候选区域；最后利用滑动窗口检测人脸候选区域并与人脸模板满足规则结合寻找具体人脸位置，绘制人脸方框。本发明引入人脸模板与自适应的滑动窗口检测结合技术，利用检测区域与人脸模板的匹配程度增强检测的准确性。本发明采用基于特征点的局部滑动窗口，避免对无效区域、无效特征的检测，通过对边缘强度特征和像素密集度特征的检测，来预测人脸的大致位置，并结合人脸模板搜索人脸具体位置。
-
公开(公告)号：CN119672588A
公开(公告)日：2025-03-21
申请号：CN202411493375.6
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征相似度的动作分割网络优化方法。本发明首先需要获取数据集的视频，将原始的视频进行分帧处理，得到时序图片，然后获得对应的标签。然后利用通用的特征提取网络获得对数据集进行特征提取，得到相应的特征，然后根据输入的特征计算代表性特征。然后根据代表性特征进行特征相似度计算，然后进行滤波处理，之后将将滤波后的特征相似度输入到损失函数中，反向传播更新参数。本发明通过求得视频中动作的代表性特征，结合特征相似度，对网络的训练加以辅助，达到更好的动作分类结果，减少了过分割错误，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN118798691A
公开(公告)日：2024-10-18
申请号：CN202411281584.4
申请日：2024-09-13
Applicant: 浙江简捷物联科技有限公司 , 杭州电子科技大学
IPC: G06Q10/0637 , H02J3/00 , G06N3/006 , G06Q50/06
Abstract: 本发明实施例公开了一种工商业储能需量控制方法、装置、电子设备及存储介质。包括：获取用电设备历史负荷数据以及当前负荷数据，并采用工商业负荷预测模型对下一时刻的用电设备负荷数据进行预测；在云端依据目标函数以及约束条件构建基于粒子群优化算法的优化决策模型；构建云端滚动优化模型，并采用云端滚动优化模型对预测的下一时刻的用电设备负荷数据进行优化求解，确定下一时刻储能设备的充放电策略；在边缘侧构建实时校正处理模型，依据实时获取的用电设备当前负荷数据对下一时刻储能设备的充放电策略进行调整，以对工商业储能需量进行控制。采用本方案，以云边协同的方式预测和调控充放电策略，避免超出最大需量，减少不必要的电费支出。
-
公开(公告)号：CN119762632A
公开(公告)日：2025-04-04
申请号：CN202411503462.5
申请日：2024-10-25
Applicant: 杭州电子科技大学
IPC: G06T13/20 , G06V10/80 , G06N3/047 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于光流信息的扩散模型视频生成方法。首先对现有数据集中的视频进行预处理，获取参考图像信息和光流信息；然后使用标准Stable Diffusion模型作为视频生成的主干网络；使用两个与标准SD模型中Unet结构相同的Unet分别提取参考图像特征和光流特征，参考图像特征在自注意力层与SD模型Unet的自注意力层进行融合，光流特征在交叉注意力层和SD模型Unet的时序注意力层进行融合。同时为了更好的利用光流信息，本发明提出了运动损失来进一步提高网络的生成效果。另外，本发明也采用了多样化的提示信息使得网络能够获得更加稳定的生成效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
