-
公开(公告)号：CN115293206A
公开(公告)日：2022-11-04
申请号：CN202210948381.0
申请日：2022-08-09
Applicant: 贵州大学
Abstract: 本发明公开了一种基于麻雀算法优化宽度学习系统的轴承故障诊断方法，该方法包括步骤：(1)获取轴承故障信号；(2)通过小波包变换轴承故障信号提取故障信号特征，将该信号特征划分为训练数据集和测试数据集；(3)采用宽度学习系统进行训练，训练时采用麻雀搜索算法获取宽度学习系统的最优适应度值对应的麻雀位置参数；(4)将麻雀位置参数作为超参数训练宽度学习系统，建立轴承故障诊断模型。本发明采用宽度学习系统解决现有技术对海量复杂数据进行建模时要耗费大量的计算资源，出现训练停滞或难以训练等问题，利用麻雀搜索算法对宽度学习系统的超参数进行优化，提高宽度学习系统的准确率，解决宽度学习系统分类效果的受限问题。
-
公开(公告)号：CN115018038B
公开(公告)日：2024-03-05
申请号：CN202210247884.5
申请日：2022-03-14
Applicant: 贵州大学
IPC: G06N3/006 , G06N20/00 , H04L41/147
Abstract: 本发明公开了一种基于麻雀优化宽度学习系统的网络接口流量预测方法，该方法为：获得的网络接口流量数据，确定预测周期T，利用[t‑12,t‑1]的网络流量信息预测t时刻的网络流量；初始化网络参数；在参数的取值范围内随机生成p组收缩系数和正则化系数作为初始超参数；分别用p组初始超参数自动训练宽度学习系统模型，生成初始适应度；(5)利用麻雀优化算法优化超参数；(6)利用更新后的超参数训练宽度学习系统，更新适应度值；(7)判断最大迭代次数输出最佳适应度对应的网络参数，并用其训练宽度学习模型，建立网络接口流量预测模型；否则，返回步骤(5)。本发明能够预测网络流量的准确性，减少网络超参数对预测结果的影响。
-
公开(公告)号：CN117591915A
公开(公告)日：2024-02-23
申请号：CN202311638816.2
申请日：2023-12-01
Applicant: 贵州大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/08 , G01R31/34
Abstract: 本发明公开了一种电流信号数据驱动的无人机电机小样本故障诊断方法，包括如下步骤：步骤一：数据采集：分别采集电机的电流时序信号，得到样本数据集X；步骤二：数据预处理：21)将样本数据集X输入宽度学习系统，利用宽度特征映射层对样本数据集X进行线性特征映射；22)利用宽度增强节点层对线性特征映射结果Zin进行非线性特征映射；23)合并线性特征映射结果Zin和非线性特征映射结果Hjm，得到特征矩阵A；步骤三：模型训练：将特征矩阵A输入卷积神经网络，以交叉熵损失函数作为目标函数，基于Adam优化器训练卷积神经网络，得到电机小样本故障诊断模型；步骤四：故障诊断：将电流时序信号输入电机小样本故障诊断模型，输出故障诊断概率。
-
Patent Agency Ranking
公开(公告)号：CN115018038A
公开(公告)日：2022-09-06
申请号：CN202210247884.5
申请日：2022-03-14
Applicant: 贵州大学
IPC: G06N3/00 , G06N20/00 , H04L41/147
Abstract: 本发明公开了一种基于麻雀优化宽度学习系统的网络接口流量预测方法，该方法为：获得的网络接口流量数据，确定预测周期T，利用[t‑12,t‑1]的网络流量信息预测t时刻的网络流量；初始化网络参数；在参数的取值范围内随机生成p组收缩系数和正则化系数作为初始超参数；分别用p组初始超参数自动训练宽度学习系统模型，生成初始适应度；(5)利用麻雀优化算法优化超参数；(6)利用更新后的超参数训练宽度学习系统，更新适应度值；(7)判断最大迭代次数输出最佳适应度对应的网络参数，并用其训练宽度学习模型，建立网络接口流量预测模型；否则，返回步骤(5)。本发明能够预测网络流量的准确性，减少网络超参数对预测结果的影响。
-
公开(公告)号：CN117236368A
公开(公告)日：2023-12-15
申请号：CN202311096491.X
申请日：2023-08-29
Applicant: 贵州大学
IPC: G06N3/006
Abstract: 本发明涉及云制造服务技术领域，尤其涉及基于改进多目标人工蜂鸟算法的云制造服务组合优化方法，通过建立了一个双目标SCOS模型，同时考虑服务质量(QoS)和能耗，以实现云制造的可持续绿色发展并确保SCOS问题的高效求解，通过设计了一种高效的改进多目标人工蜂鸟算法(IMOAHA)用于求解SCOS问题。IMOAHA采用反向学习策略来加强对初始种群的探索，并重新设计了一种基于领导者机制改进的领域觅食策略，IMOAHA算法的综合性能得到了显著提升，求解效率和准确度高于现有算法。
-
公开(公告)号：CN117094435A
公开(公告)日：2023-11-21
申请号：CN202311041708.7
申请日：2023-08-17
Applicant: 贵州大学
IPC: G06Q10/04 , G06N3/006 , G06Q10/0639
Abstract: 本发明公开了一种云制造自适应鲁棒服务组合与优化选择新方法，属于云制造技术领域，该方法包括以下步骤：1)建立自适应鲁棒服务组合与优化选择(ARSCOS)模型；2)采用增强型多目标人工蜂鸟算法(EMOAHA)求解步骤1)中的模型。本发明的自适应鲁棒服务组合与优化选择模型(ARSCOS)，能增强CMS的抗干扰能力，减轻不确定性对任务执行过程的负面影响。
-
公开(公告)号：CN118018484A
公开(公告)日：2024-05-10
申请号：CN202311846322.3
申请日：2023-12-28
Applicant: 贵州大学 , 贵州航天云网科技有限公司
IPC: H04L47/125 , G06N3/006 , H04L41/40 , H04L41/16
Abstract: 本发明属于网络优化技术领域，具体涉及基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，步骤包括：对于包含应用层、控制层和数据层的软件定义网络SDN，构建麻雀搜索算法；在SDN网络中，结合麻雀搜索算法，划分探索者和追随者，更新探索者和追随者的位置，并获得最终输出的最佳位置和最佳适应度值，即为最佳的SDN负载均衡分配方案；将SDN网络引入大容量高并发系统中，从而实现了大容量高并发系统的负载均衡。本发明可以利用麻雀搜索算法计算出最优的一条链路分配给新流，有效的均衡了SDN负载，提高了网络性能，从而实现了大容量高并发系统的负载均衡。
-
公开(公告)号：CN116306197A
公开(公告)日：2023-06-23
申请号：CN202211090794.6
申请日：2022-09-07
Applicant: 贵州大学
Abstract: 本发明公开了基于函数型宽度学习网络的复杂制造过程建模与预测方法，该方法为：以函数作为模型的输入，利用权重函数提取输入函数的时序特征，利用积分近似方法求得特征映射节点；然后利用注意力机制提取特征映射节点间的相互关系，从而提高模型的表达能力；最后利用求解隐藏层矩阵的伪逆矩阵来计算得到网络权重。本发明降低了对预测的训练数据的采样间隔的要求，既可以实现对等间隔采样数据的预测，同时也能对非等间隔采样数据进行端到端的预测分析。同时，AFBLS利用注意力机制来对特征映射节点进行进一步的特征提取，抽取出了特征映射节点间的相关关系，更进一步的提高了预测的准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
