专利交易市场

基于循环神经网络的红外目标检测模型频闪隐身方法，包括：1)生成训练模型所需要的2n组数据；2)对LSTM预测模型进行预训练；3)将LSTM预测模型与红外目标检测模型结合起来，构成集成模型，进行集成模型的主训练。本发明的红外目标检测模型频闪隐身方法受环境影响小，适用于多种环境当中，可以实现自我调整与反馈。

本发明公开了一种基于双向门控循环神经网络的电梯故障预测方法，步骤包括：1)将电梯振动波形数据进行采样；2)将电梯振动波形样本转化为序列形式；3)将序列化后的样本分为训练集及测试集；4)构建双向门控循环神经网络构架；5)将双向门控循环神经网络构架进行训练；6)使用测试集进行预测测试，得到双向门控循环神经网络预测模型；7)使用双向门控循环神经网络预测模型进行电梯故障预测分类，得到预测的电梯波形结果。本发明还公开了一种基于双向门控循环神经网络的电梯故障诊断方法，判断结果表明电梯处于故障状态则发送警报。本发明的两个方法，对电梯状况的诊断和预测具有极高的准确率和实时性。

本发明公开了一种基于深层结构循环神经网络的PM2.5预测方法，利用采集的大量数据，根据深度学习和循环神经网络理论构建深层结构的PM2.5的预测模型，通过数据特征的提取和训练，实现雾霾天气的预测，旨在提高雾霾预测的效率和精度，为雾霾预防和治理提出有说服力的决策依据。预测模型对于数据结构几乎没什么要求，只要数据足够大时能自学习，使得深度学习非常适合当下互联网大数据应用的需要。

本发明公开了一种基于双向门控循环神经网络的序列中单一元素分类方法，步骤包括：1)对采集到的时序信号或数据进行人工分类；2)将输入数据集和标签集分别转换为矩阵形式；3)将输入数据集和对应的标签集随机划分为训练集和测试集，其中训练集数据占总样本70％，测试集数据占总样本的30％；4)构建双向门控循环神经网络模型；5)对构建好的双向门控循环神经网络模型进行训练；6)过拟合判断；7)使用训练好的双向门控循环神经网络模型进行序列单一元素的分类，使用Argmax函数从输出层得到最终判断结果，获得对序列中单一元素的正确分类。本发明的方法，对序列数据的识别准确率达99％以上。