-
公开(公告)号：CN118133190A
公开(公告)日：2024-06-04
申请号：CN202410539115.1
申请日：2024-04-30
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F18/2431 , G06N3/084 , G06N3/096
Abstract: 本发明的基于BN关系网络的负荷识别模型构建方法及负荷识别方法，针对当前非侵入式负荷识别方法在实际应用过程中可迁移性较差，在新的电器品牌和住房条件上模型泛化性能低，提出了一种基于自适应批标准化（Batch Normalization，BN）关系网络的非侵入式负荷识别方法，改善了不同数据集之间的模型泛化性能，并且在实际应用中只需要少量的标签数据。
-
公开(公告)号：CN118965009A
公开(公告)日：2024-11-15
申请号：CN202411467025.2
申请日：2024-10-21
Applicant: 浙江大学滨江研究院
IPC: G06F18/214 , G06F18/22 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于鲁棒性度量学习的非侵入式负荷识别方法，包括如下步骤：步骤一，采集不同运行条件下不同电器类型的电流数据，用于组建元学习数据集；步骤二，使用神经网络架构搜索算法对特征提取网络进行学习，具体为对整体的特征提取网络框架进行定义；步骤三，构建基于神经网络架构搜索的度量学习网络框架；步骤四，使用步骤三中获得的度量学习模型对电器进行非侵入式负荷识别。本发明的基于鲁棒性度量学习的非侵入式负荷识别方法，使用神经网络架构搜索算法对度量学习网络的特征提取模块进行自动搜索，通过含噪数据集的训练，得到抗噪声能力最强的网络结构，提高最终度量学习模型的鲁棒性。
-
公开(公告)号：CN118965009B
公开(公告)日：2025-02-11
申请号：CN202411467025.2
申请日：2024-10-21
Applicant: 浙江大学滨江研究院
IPC: G06F18/214 , G06F18/22 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于鲁棒性度量学习的非侵入式负荷识别方法，包括如下步骤：步骤一，采集不同运行条件下不同电器类型的电流数据，用于组建元学习数据集；步骤二，使用神经网络架构搜索算法对特征提取网络进行学习，具体为对整体的特征提取网络框架进行定义；步骤三，构建基于神经网络架构搜索的度量学习网络框架；步骤四，使用步骤三中获得的度量学习模型对电器进行非侵入式负荷识别。本发明的基于鲁棒性度量学习的非侵入式负荷识别方法，使用神经网络架构搜索算法对度量学习网络的特征提取模块进行自动搜索，通过含噪数据集的训练，得到抗噪声能力最强的网络结构，提高最终度量学习模型的鲁棒性。
-
公开(公告)号：CN118133190B
公开(公告)日：2024-08-13
申请号：CN202410539115.1
申请日：2024-04-30
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F18/2431 , G06N3/084 , G06N3/096
Abstract: 本发明的基于BN关系网络的负荷识别模型构建方法及负荷识别方法，针对当前非侵入式负荷识别方法在实际应用过程中可迁移性较差，在新的电器品牌和住房条件上模型泛化性能低，提出了一种基于自适应批标准化（Batch Normalization，BN）关系网络的非侵入式负荷识别方法，改善了不同数据集之间的模型泛化性能，并且在实际应用中只需要少量的标签数据。
-
-
-
Search Results
4
records
(took 0.019 seconds)
