本发明公开了一种基于卷积自编码器高斯混合模型的健康数据检测方法,属于医疗保健技术领域。所述方法采用了自适应、非线性、多层编码的方式将多维数据转为低维特征表示,有效避免了由于“维度灾难”导致的计算开销大而降低检测准确性的问题;该方法性针对人体活动数据的多阶段的特性,加入了卷积与反卷积神经网络层,有效识别并提取数据特征,进一步地提高了检测的精度;本发明将降维过程和密度估计过程有机地结合在一起,避免了两模型独立导致陷入局部最优的窘境;同时考虑到矩阵的奇点问题,协方差矩阵的逆可能会无法求解的问题,利用混合概率、均值和协方差来构造协方差矩阵的cholesky分解,以计算样本密度避免了无法求解的问题。
📄 202011226516X
📂 G16H50_30
👤 江南大学
📅 2020-11-04
本发明公开了基于时间卷积自编码器的工业过程故障检测方法及装置,属于工业过程检测领域,包括对训练数据和测试数据预处理,获得训练时序数据和测试时序数据;将训练时序数据输入工业过程故障检测模型训练获得目标模型,工业过程故障检测模型至少包括两层TCN和CAE;将训练时序数据输入目标模型计算控制限;将测试时序数据输入目标模型计算SPE统计量;根据控制限和SPE统计量判断待测工况数据是否异常。本发明通过在CAE的基础上引入TCN,设计新型的时间卷积自编码器,并创建了工业过程故障检测模型,经过至少两个堆叠的时间卷积网络能够逐渐扩大卷积感受野来改变时序特征提取的时间尺度,更准确地实现时序建模。
📄 2024117802431
📂 G05B23_02
👤 江南大学
📅 2024-12-05
本发明公开了一种基于ASGAE的植物乳杆菌发酵过程故障检测与诊断方法,该方法包括离线建模和在线检测两个阶段,离线建模阶段对已采集正常生产的批次发酵过程数据进行标准化和数据预处理;建立ASGAE网络模型,并构建故障检测检测量;计算控制限;设计故障诊断模块;在线检测阶段包括对在线采集到的数据进行标准化处理,判断发酵过程的运行状态,出现故障及时诊断故障来源。本发明能有效处理批次发酵过程的非线性和二维动态特性,实现在线故障实时检测,并实现了现有诊断方法不能准确衡量故障幅值大小和故障变量定位的问题,故障的检测效果达到了较高的水平。该方法降低了模型的误检测率,提高模型故障检测精度,能够有效的发现故障变量,并及时排除故障。
📄 2023118182925
📂 G16C20_70
👤 江南大学
📅 2023-12-27
本发明公开了一种基于变分自编码器的玻璃瑕疵检测方法,属于玻璃瑕疵检测技术领域。所述方法通过VAE编码器对玻璃无瑕疵样本进行建模,可以对随机样本进行重构,得到与无瑕疵样本接近的重构图像。检测时,将有瑕疵的玻璃图像输入训练好的VAE编码解码网络生成与无瑕疵样本接近的重构图,再通过比对重构图与原图像间的差异区域确定差异的像素点,即瑕疵区域。对于得到的瑕疵区域会有噪声的干扰,本发明通过投影法与MAD方法结合的方式减少噪声干扰,对于VAE模型生成过程中存在的噪声,通过投影法和MAD方法结合将非目标区域去除,提升分割准确率。
📄 2021107161095
📂 G06T7_00
👤 江南大学
📅 2021-06-25
本发明涉及人工智能与工业过程建模技术领域,尤其是指一种基于Gamma变分自编码器的时间序列数据生成方法及装置,包括:在变分自编码器中利用Gamma分布对潜在变量进行建模,并在训练该变分自编码器时,首先根据约束条件对训练集中原始时间序列数据的每个变量值进行归一化作为训练输入,再引入可微重参数化采样机制对编码器输出参数构建的Gamma分布进行采样,以解决传统采样方法在小形状参数条件下存在的训练不稳定问题,使得完成训练的变分自编码器能够显著提高生成时间序列数据的约束满足率和物理一致性。本发明能够稳定生成具有良好工程可用性的高质量时间序列数据。
📄 2025110633009
📂 G06F18_214
👤 江南大学
📅 2025-07-31
本发明公开了一种基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法,包括:对电子元件图像预处理。构建深度去噪稀疏自编码器DDSA并完成特征提取:利用自编码器对原始特征进行降维,将稀疏自编码器堆叠在一起,采用贪婪训练分层策略,形成深度堆叠稀疏自编码器的鲁棒模型。构建去噪编码器,输入部分损坏的噪声数据样本,通过训练重建原始输入,完成去噪特征提取。提出增量学习支持向量机分类算法,将KT条件应用于原始训练数据集,并添加额外数据点,利用增量学习实现非线性SVM训练。形成结合稀疏自编码器DDSA和ISSVM的混合分类模型,并将其应用于电子元件的分类及测试中。本发明可以显著减少计算时间,提高分类精度,在电子元件的分类中表现良好。
📄 2022112475114
📂 G06V10_764
👤 淮阴工学院
📅 2022-10-12
本发明公开了一种基于非负性约束稀疏自编码器的电子电路缺陷检测方法,包括:对电子电路图像采集、剪裁,图像数据增强及特征提取,确定缺陷数据集及缺陷类型。基于组的图模型及核规范的图像去噪方法对电子电路图像的去噪,通过优化学习策略来获得图像的拉普拉斯图矩阵,利用其封装图结构。提出非负性约束稀疏自编码器的深度学习模型,并将其用于缺陷区域的提取中。利用训练成功的自编码器模型预测出电路图像,并将该预测图像减去原始缺陷输入图像,生成缺陷检测图,设置适当阈值获得分类正确的缺陷类型。与现有技术相比,本发明可以有效地检测缺陷颜色变化较大的电子电路真缺陷以及颜色变化较小的伪缺陷,提高电子电路缺陷识别的可靠性和精度。
📄 202211408638X
📂 G06T7_00
👤 淮安大学
📅 2022-11-10
本发明公开一种基于掩码自编码器的云粒子谱优化方法、系统、介质及设备,方法包括:获取待补全的云粒子阴影图像,进行预处理,得到预处理后的图像;基于训练好的云粒子图像补全模型,进行重建补丁,得到补全后的图像;对补全后的图像进行评估与筛选,对通过评估的补全图像进行云粒子几何尺度统计与粒径分档,结合飞行扫掠距离及各粒径分档对应的有效采样宽度,计算分档采样体积与分档浓度,得到最终的云粒子谱。本发明方法整体流程不依赖云粒子级人工标注,仅需原始图像即可完成训练与应用,降低数据准备成本,适合在大规模机载观测数据中推广应用,并在不增加硬件复杂度的前提下增加进入云粒子谱统计链路的可用大云粒子样本数。
📄 2026102437650
📂 G06V10_30
👤 南京信息工程大学, 中国气象局人工影响天气中心
📅 2026-03-02
本发明公开了一种基于自编码器的红外与可见光图像融合算法,包括步骤如下:S1,通过短跨层连接与ECA注意力机制相结合的方式,构建编码器网络;S2,将配准后的红外与可见光图像输入进编码器网络中,并对编码器和解码器网络进行训练,得到满足条件的编码器;S3,对输入的图像,通过构建的融合网络进行特征融合,并对融合网络进行训练,得到满足条件的融合网络;S4,将融合后的图像通过解码器进行解码重建图。本发明融合后的图像评价指标提升显著,目标清晰、细节突出、轮廓明显,符合人类视觉感受。
📄 2023109188496
📂 G06T5_50
👤 南京信息工程大学
📅 2023-07-24
基于改进自编码器的多信息融合压缩机缺陷诊断方法,属于全封闭压缩机缺陷诊断技术领域。包括以下步骤:1、搭建数据采集系统进行数据采集;2、寻优变分模态参数,对原始振动信号进行解耦和降噪;3、固有模态与原始振动信号进行融合作为模型的输入,提供更多的时域和时频域特征;4、把数据集划分为:无标签训练数据集、标签训练数据集和测试数据集;5、构建改进自编码器模型学习无标签训练样本的特征分布;6、利用标签训练集微调分类器参数,实现多传感器特征的融合;7、利用测试数据集对模型进行评估。本发明可以提取和融合不同传感器的时域和时频域特征用于压缩机的缺陷检测在少量标注样本的情况下,从而提高压缩机缺陷的检测率。
📄 2023105968906
📂 G06F18_00
👤 浙江工业大学
📅 2023-05-25
本发明公开了一种基于卷积自编码器图像扩增的热成像缺陷检测方法,包括以下步骤:步骤1、获取碳纤维增强聚合物复合材料的热图像及热图像数据;步骤2、热图像选择与处理;步骤3、建立卷积自编码器图像增强模型,对热图像降噪;步骤4、热影像数据预处理;步骤5、分别基于实验热图像和卷积自编码器重构热图像建立拉普拉苏特征映射热成像模型,提取热图像中的缺陷信息并可视化,实现缺陷的定性监测;步骤6、采用分离度指标对建立的模型进行评估,验证图像增强策略在缺陷检测建模中的效果。
📄 2021101688339
📂 G06T7_00
👤 浙江工业大学
📅 2021-02-07
一种基于两阶段自编码器的工业信息物理系统攻击检测方法,包括以下步骤:1)建立多设备、多链路的多点注入攻击模型;2)引入自编码器技术;3)构建基于自编码器的生成对抗模型;4)设计两阶段训练方法;5)设计攻击检测算法;6)基于两阶段自编码器的攻击检测方法设计。本发明利用对抗网络思想,提出了一种基于两阶段自编码器的对抗网络检测模型,既避免了原始生成对抗网络检测方法不易收敛,易模式坍塌的问题,又能够检测出工业信息物理系统多链路、多设备遭受虚假数据注入攻击的情况,保证ICPS的正常运行。
📄 2022102763755
📂 G05B13_04
👤 浙江工业大学
📅 2022-03-21