-
公开(公告)号：CN107977672A
公开(公告)日：2018-05-01
申请号：CN201711103938.6
申请日：2017-11-10
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于海量数据并行运算的SF6设备二级故障诊断方法，根据电气设备中SF6分解气体成分含量与故障类型之间的对应关系，首先并行构建了SF6电气设备的二级故障诊断模型，提高了建模效率。然后实现对SF6电气设备的并行诊断，提高了其在大数据环境下诊断的快速性和准确性。该方法的并行诊断过程为每个lab对不同的数据片同时进行诊断，具体为：利用决策树模型对数据片进行初步诊断，判断设备有无故障，以提高对海量数据的处理速度。对有故障数据，再通过神经网络模型，进行故障类别的精确判定。利用本方法只需简单的数据处理即可得到诊断结果，大大降低了对操作人员专业技能的要求，在对大量SF6电气设备进行诊断时，显著提高了诊断效率。
-
公开(公告)号：CN110569781A
公开(公告)日：2019-12-13
申请号：CN201910836015.4
申请日：2019-09-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于改进胶囊网络的时间序列分类方法，包括以下步骤：从原始数据中截取一维时间序列信号，使用改进型递归图将其转化成二维纹理图像，构建胶囊网络的整体结构框架；根据转化后二维纹理图像的尺寸大小，合理选用卷积层对二维纹理图像进行特征提取；将卷积层提取出的特征数据输入PrimaryCaps层，把二维纹理图像的特征数据重建为矢量；使用基于Softmax激活函数改进的EM路由算法更新ConvCaps1层和ConvCaps2层的参数；使用交叉熵损失函数计算网络损失值进行网络参数的更新；最终通过Class Capsules层进行投票确定时间序列信号的类别。
-
公开(公告)号：CN106095555A
公开(公告)日：2016-11-09
申请号：CN201610440742.5
申请日：2016-06-17
Applicant: 河海大学常州校区
CPC classification number: Y02D10/24 , G06F9/4881 , G06N3/006
Abstract: 本发明公开了一种基于蚁群算法的WSAN中执行器任务调度方法，包括以下步骤：1)建立执行器协作任务分配及调度的数学模型；2)采用分布式竞拍算法对任务进行分配；3)初始化蚁群；4)各只蚂蚁按概率选择下一任务；5)各只蚂蚁遍历所有任务，并释放信息素；6)更新信息素；7)若不满足算法终止条件，则返回步骤4)，若满足，则返回任务调度表，即为最佳任务调度表。本方法可实现对WSAN中任务的合理调度，减少执行器节点的移动距离，缩短任务完成时间，减少网络能耗。
-
公开(公告)号：CN110569781B
公开(公告)日：2022-09-09
申请号：CN201910836015.4
申请日：2019-09-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于改进胶囊网络的时间序列分类方法，包括以下步骤：从原始数据中截取一维时间序列信号，使用改进型递归图将其转化成二维纹理图像，构建胶囊网络的整体结构框架；根据转化后二维纹理图像的尺寸大小，合理选用卷积层对二维纹理图像进行特征提取；将卷积层提取出的特征数据输入PrimaryCaps层，把二维纹理图像的特征数据重建为矢量；使用基于Softmax激活函数改进的EM路由算法更新ConvCaps1层和ConvCaps2层的参数；使用交叉熵损失函数计算网络损失值进行网络参数的更新；最终通过Class Capsules层进行投票确定时间序列信号的类别。
-
公开(公告)号：CN105933397B
公开(公告)日：2019-04-12
申请号：CN201610238072.9
申请日：2016-04-15
Applicant: 河海大学常州校区
IPC: H04L29/08
Abstract: 本发明公开了一种WSAN中任务分配的改进分布式竞拍Ik‑SAAP算法，包括以下步骤：1）建立执行器协作的任务分配的数学模型；2）初始化网络参数；3）选取决策节点，发起竞拍节点；4）设定跳步数；5）计算竞拍节点的效用值，并回传到决策节点；6）判断决策节点是否满足最佳执行器节点的条件，若不满足，则返回步骤4），若满足，一次任务分配结束；7）被选中的执行器节点执行当前任务;8）将Ik‑SAAP算法执行200次，仿真得到数据包转发个数对比图，剩余能量方差对比图，平均任务完成时间对比图。本方法在保证任务分配率高的前提下，能够减少执行器节点数据包转发的数量，缩短任务完成时间，均衡WSAN网络能耗。
-
Patent Agency Ranking
公开(公告)号：CN105005675A
公开(公告)日：2015-10-28
申请号：CN201510490452.7
申请日：2015-08-11
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于多目标遗传算法的复合绝缘子电场优化方法，包括以下步骤：1)解决静电场开域问题；2)建立复合绝缘子几何模型；3)在Maxwell软件中，对复合绝缘子电场强度进行数值计算；4)为克服Maxwell软件优化模块的局限性，采用该软件VB脚本，实现了与MATLAB软件的数据接口；5)在MATLAB软件中，采用多目标遗传算法对伞裙半径进行优化；6)得出优化的复合绝缘子电场分布。本发明以场强极差Range_E最小和场强梯度最大值Max_GradE最小作为多优化目标，对复合绝缘子大、中、小伞裙半径进行优化，使得复合绝缘子电场分布更加均匀。
-
公开(公告)号：CN108875846B
公开(公告)日：2021-12-10
申请号：CN201810430121.8
申请日：2018-05-08
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种手写数字识别的无监督学习方法，根据模拟生物信息处理机制，首先建立脉冲神经网络模型，确定神经元之间的连接方式，然后根据突触前后踪迹学习规则，建立脉冲时间依赖可塑性模型，最后运用遗传算法对脉冲神经网络中的突触前初始权重和突触延迟进行优化，训练并测试MNIST数据集，实现了对手写数字识别的无监督学习。实验表明该方法有效地提升了训练速度并提高了识别正确率。
-
公开(公告)号：CN108921007A
公开(公告)日：2018-11-30
申请号：CN201810430128.X
申请日：2018-05-08
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于SqueezeNet的手写体数字识别方法，具体包括：（1）预处理识别的手写体数字样本；（2）构建SqueezeNet卷积神经网络模型；（3）训练SqueezeNet网络模型，并对手写体数字测试集样本进行测试；（4）得出识别结果。本发明中的SqueezeNet网络模型相比于传统的AlexNet有效地减少了网络参数的总量，并且提高了手写体数字识别的精度，具备了模型压缩的基础，后续可更好地应用于移动端设备、分布式训练以及嵌入式硬件上。
-
公开(公告)号：CN110633741B
公开(公告)日：2022-09-09
申请号：CN201910836145.8
申请日：2019-09-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于改进脉冲神经网络地时间序列分类方法，包括以下步骤：从原始时间序列数据中截取一维时间序列信号，使用改进型递归图将其转化为二维纹理图像，构建脉冲神经网络的整体结构框架，并根据二维纹理图像的尺寸大小合理使用下采样层对二维纹理图像进行缩放；将缩放后的二维纹理图像输入到网络的输入层，把二维纹理图像转化为泊松脉冲序列；使用循环学习率法确定网络的初始学习率以及循环学习率边界的最大值和最小值；使用突触前后踪迹学习规则不断更新网络各神经元之间的连接权重；完成网络训练后，通过统计兴奋性神经元的脉冲触发情况对时间序列进行分类。
-
公开(公告)号：CN110633741A
公开(公告)日：2019-12-31
申请号：CN201910836145.8
申请日：2019-09-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于改进脉冲神经网络地时间序列分类方法，包括以下步骤：从原始时间序列数据中截取一维时间序列信号，使用改进型递归图将其转化为二维纹理图像，构建脉冲神经网络的整体结构框架，并根据二维纹理图像的尺寸大小合理使用下采样层对二维纹理图像进行缩放；将缩放后的二维纹理图像输入到网络的输入层，把二维纹理图像转化为泊松脉冲序列；使用循环学习率法确定网络的初始学习率以及循环学习率边界的最大值和最小值；使用突触前后踪迹学习规则不断更新网络各神经元之间的连接权重；完成网络训练后，通过统计兴奋性神经元的脉冲触发情况对时间序列进行分类。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
