-
公开(公告)号：CN109033524A
公开(公告)日：2018-12-18
申请号：CN201810678469.9
申请日：2018-06-27
Applicant: 浙江大学
CPC classification number: G06F17/5009 , G06F17/18
Abstract: 本发明公开一种基于鲁棒混合模型的化工过程浓度变量在线估计方法，它首先设计一种新的混合学生氏分布模型结构使得鲁棒回归学习成为可能；然后根据期望最大化算法建立模型参数的学习步骤。该方法能够在线实时估计化工过程浓度变量。应用本发明，可有效降低离群点的影响、更好地处理过程的多模态与非线性特性，从而提高估计精度，为降低生产成本、增强过程运行平稳性、过程监控以及决策制定提供技术支持与保障。
-
公开(公告)号：CN108664706A
公开(公告)日：2018-10-16
申请号：CN201810338582.2
申请日：2018-04-16
Applicant: 浙江大学
IPC: G06F17/50
Abstract: 本发明公开一种基于半监督贝叶斯高斯混合模型的合成氨过程一段炉氧气含量在线估计方法，它首先设计一种新的完全贝叶斯模型结构，将所有模型参数概率化并使得半监督回归学习成为可能；然后在变分推理框架下，同时挖掘有标签样本和无标签样本信息，建立模型参数的学习步骤。该方法能够在线实时提供合成氨过程一段炉氧气含量的估计值。应用本发明，可有效降低过拟合的影响，从而提高估计精度，为降低生成本、增强过程运行平稳性、过程监控以及决策制定提供技术支持与保障。
-
公开(公告)号：CN113707240B
公开(公告)日：2023-11-07
申请号：CN202110872306.6
申请日：2021-07-30
Applicant: 浙江大学
Abstract: 本发明公开一种基于半监督非线性变分贝叶斯混合模型的成分参数鲁棒软测量方法，该方法在有监督线性变分贝叶斯混合模型的基础上，设计了非线性组分模型的模型结构，采用极限学习机表示每个组分内辅助变量和成分参数之间的非线性映射关系；然后同时挖掘有标签和无标签样本信息，利用变分贝叶斯算法自动学习模型参数的变分后验分布。应用本发明，可充分表征辅助变量和成分参数之间的非线性映射关系，并能够利用无标签样本提高模型参数学习的准确性，进而有效地提高模型的预测精度，为提高产品质量、降低成本、过程监控以及决策制定提供技术支持和保障。
-
Patent Agency Ranking
公开(公告)号：CN109033524B
公开(公告)日：2022-04-29
申请号：CN201810678469.9
申请日：2018-06-27
Applicant: 浙江大学
IPC: G06F30/20 , G06F17/18 , G06F111/08
Abstract: 本发明公开一种基于鲁棒混合模型的化工过程浓度变量在线估计方法，它首先设计一种新的混合学生氏分布模型结构使得鲁棒回归学习成为可能；然后根据期望最大化算法建立模型参数的学习步骤。该方法能够在线实时估计化工过程浓度变量。应用本发明，可有效降低离群点的影响、更好地处理过程的多模态与非线性特性，从而提高估计精度，为降低生产成本、增强过程运行平稳性、过程监控以及决策制定提供技术支持与保障。
-
公开(公告)号：CN113707240A
公开(公告)日：2021-11-26
申请号：CN202110872306.6
申请日：2021-07-30
Applicant: 浙江大学
Abstract: 本发明公开一种基于半监督非线性变分贝叶斯混合模型的成分参数鲁棒软测量方法，该方法在有监督线性变分贝叶斯混合模型的基础上，设计了非线性组分模型的模型结构，采用极限学习机表示每个组分内辅助变量和成分参数之间的非线性映射关系；然后同时挖掘有标签和无标签样本信息，利用变分贝叶斯算法自动学习模型参数的变分后验分布。应用本发明，可充分表征辅助变量和成分参数之间的非线性映射关系，并能够利用无标签样本提高模型参数学习的准确性，进而有效地提高模型的预测精度，为提高产品质量、降低成本、过程监控以及决策制定提供技术支持和保障。
-
公开(公告)号：CN108171002B
公开(公告)日：2020-01-03
申请号：CN201711236164.4
申请日：2017-11-30
Applicant: 浙江大学
IPC: G16C20/30
Abstract: 本发明公开了一种基于半监督混合模型的聚丙烯熔融指数预测方法，它首先通过分开处理辅助变量与熔融指数、并显式考虑熔融指数与辅助变量间的依赖关系，建立概率化的数学模型；然后同时挖掘有标签样本与无标签样本信息，利用期望最大化算法和贝叶斯信息准则进行自动模型参数学习与模型选择。该方法能够在线实时提供熔融指数的预测值，并评估其可信度。应用本发明，可提高模型参数学习以及模型选择的准确性、且所有参数无需人工设置，能够有效提高熔融指数的预测精度，为提高产品质量、降低成本、过程监控以及决策制定提供技术支持与保障。
-
公开(公告)号：CN108664706B
公开(公告)日：2020-11-03
申请号：CN201810338582.2
申请日：2018-04-16
Applicant: 浙江大学
IPC: G06F30/20
Abstract: 本发明公开一种基于半监督贝叶斯高斯混合模型的合成氨过程一段炉氧气含量在线估计方法，它首先设计一种新的完全贝叶斯模型结构，将所有模型参数概率化并使得半监督回归学习成为可能；然后在变分推理框架下，同时挖掘有标签样本和无标签样本信息，建立模型参数的学习步骤。该方法能够在线实时提供合成氨过程一段炉氧气含量的估计值。应用本发明，可有效降低过拟合的影响，从而提高估计精度，为降低生成本、增强过程运行平稳性、过程监控以及决策制定提供技术支持与保障。
-
公开(公告)号：CN108171002A
公开(公告)日：2018-06-15
申请号：CN201711236164.4
申请日：2017-11-30
Applicant: 浙江大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于半监督混合模型的聚丙烯熔融指数预测方法，它首先通过分开处理辅助变量与熔融指数、并显式考虑熔融指数与辅助变量间的依赖关系，建立概率化的数学模型；然后同时挖掘有标签样本与无标签样本信息，利用期望最大化算法和贝叶斯信息准则进行自动模型参数学习与模型选择。该方法能够在线实时提供熔融指数的预测值，并评估其可信度。应用本发明，可提高模型参数学习以及模型选择的准确性、且所有参数无需人工设置，能够有效提高熔融指数的预测精度，为提高产品质量、降低成本、过程监控以及决策制定提供技术支持与保障。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
