本发明公开了基于简化潮流神经网络的配电网状态估计初值计算方法。该方法利用历史数据与嵌入物理知识的神经网络学习配电网状态变量的初值，用以进行配电网状态估计的计算。由于潮流方程为一个非线性函数，故可以用一个输入为量测、输出为状态变量的全连接的神经网络描述，本方法提出一种基于简化潮流方程的物理感知神经网络，即利用配电网拓扑结构相关知识，对全连接神经网络进行了剪枝，去掉了其非必要的参数；然后再利用历史数据离线训练剪枝后的网络；之后将实时量测数据输入该网络中，得到更为精确的初值应用于高斯牛顿法初值；最后可以根据高斯牛顿法迭代求解配电网状态估计。
📄 2022107497062
📂 H02J3_00
👤 杭州电子科技大学
📅 2022-06-28
本发明公开了一种基于图卷积神经网络的配电网单相接地故障定位方法。该方法包括：通过FTU终端设备采集配电网馈线段不同状态下的负荷节点与边的特征信息，归一化处理后利用单层全连接神经网络将边特征数据转化为与其相连的节点特征数据，然后将所有节点特征数连接成矩阵后输入图卷积神经网络模型，并利用数据采集时的配电网状态作为标签对网络进行训练，以获得最优图卷积神经网络的结构参数。最后基于训练后的定位模型，对变电站各馈线处发生的故障进行搜索定位，从而通过输出的特征数据得到故障所在的具体支路。本发明利用神经网络方法整合配电网故障定位理论，能有效保证城市复杂配电网故障的定位精度，适合城市配电网拓扑变化下的情况。
📄 2022107410745
📂 G01R31_08
👤 杭州电子科技大学
📅 2022-06-27
本发明公开了一种用于图神经网络训练的单层增强负样本生成算法，涉及深度图神经网络训练领域，可应用于互联网推荐系统等应用场景，包括：考虑协同过滤推荐任务的节点信息传播和聚合特点以及GNN过平滑问题，将信息论中的信息扁平化理论结合到负样本生成策略，提出单层增强的负样本合成策略，只跟踪样本的最强特征或是与目标最相关的关联，同时关注数据稠密度与聚合嵌入之间的关系，对具有不同稠密度特征的数据集选择不同层数的单层聚合嵌入进行正负样本嵌入插值，生成构造负样本，减轻了推荐系统模型训练中的过拟合，提高了模型的泛化能力；本发明算法可以直接插入现有的基于GNN的推荐算法中改善模型训练，使模型性能指标显著提高，节省计算开销。
📄 202211491358X
📂 G06F16_9535
👤 成都理工大学
📅 2022-11-25
本发明的基于卷积神经网络的SVG控制器参数辨识方法，通过BPA仿真软件得到各个SVG参数的不同组合和与之对应输出的无功、电压、电流曲线数据，并进行筛选，得到最终数据集；然后依据获取到的数据集搭建可以依据无功动态曲线数据逆推出SVG参数的神经卷积网络模型；最后以RTDS实测曲线数据作为模型输入，即可快速辨识出SVG参数值。本方法将卷积神经网络与SVG控制器参数辨识相结合，为SVG控制器参数辨识提供一种新的方法，保证了参数预测结果的准确度，也提高了辨识效率。
📄 2022104476543
📂 G05B13_04
👤 杭州电子科技大学
📅 2022-04-26
本发明公开了一种遗传算法优化的小波神经网络温室温度预测建模方法，包括：获取当前时刻多个温室温度相关变量，根据多个小波神经网络WNN初始权值参数产生遗传算法的最初遗传种群，根据小波神经网络WNN预测结果和实际输出结果构建遗传算法的适应度函数，用于评价遗传种群个体，利用遗传算法逐代筛选出最优的初始权值参数，利用最优的初始权值参数构建基于小波神经网络WNN的温室温度预测模型，在基于小波神经网络WNN的温室温度预测模型中输入当前时刻多个温室温度相关变量，输出未来某一时刻温室温度预测值。该方法联合小波神经网络和遗传算法，可以获得更加精确的模型。
📄 2022100598325
📂 G06F30_27
👤 中国计量大学
📅 2022-01-19
本发明公开了一种基于神经网络二次优化的二类水体大气校正方法，它涉及遥感影像数据处理技术领域。其步骤为：对所获取的高光谱影像提取其几何信息、波长信息以及550nm处气溶胶光学厚度初值τ5500；将前述提取的参数输入神经网络模型，模拟输出大气漫射透过率t以及总贡献ρpath；利用近红外波段的离水反射率ρw(NIR)，连同t、ρpath，模拟出表观反射率ρtoasin；将ρtoasim与从影像中提取的真实表观反射率ρtoames进行光谱优化，最终得到最优解τ550opt、Ropt、nopt；将τ550opt带入神经网络模型中，得到所有高光谱波段的大气漫射透过率topt以及大气分子和气溶胶的总贡献ρpathopt；结合影像上真实表观反射率ρtoames，估算高光谱影像的离水反射率。本发明提高了模型的实用性，减少输入参数的同时提高了估算精度。
📄 2014100104284
📂 G01N21_55
👤 杭州同济测绘有限公司
📅 2014-01-02
已申报项目
本发明公开了一种基于改进U‑net神经网络的瑞利波频散曲线自动提取方法，包括构建频散曲线训练集；构建频散曲线测试集；将频散曲线测试集和频散曲线训练集中的图像数据进行裁剪，并将频散曲线训练集中的理论频散曲线进行二值化处理；对频散曲线训练集中的图像数据进行几何变换，得到扩充后的频散曲线训练集；构建改进U‑net神经网络模型，利用扩充后的频散曲线训练集进行模型训练；利用训练后的改进U‑net神经网络模型对频散曲线测试集提取多阶瑞利波频散曲线。本发明充分利用了深度学习的图像分割能力，能够对野外面波数据的频散能量图快速、准确地分类，提高了提取瑞利波频散曲线的效率，进一步提升面波勘探的效率。
📄 2022107694501
📂 G01V1_34
👤 长安大学
📅 2022-07-01
本发明公开了一种基于解耦表征学习与图神经网络的服务推荐方法，以在线应用记录的用户交互日志为数据源，获取用户的完整历史交互序列以及对应类别序列，首先在个性化程度上分别捕获用户长期的稳定兴趣和短期的动态兴趣，然后利用服务类别信息捕获用户的从众兴趣。该方法针对基于隐式解耦表征学习的方法依赖于人工设置的潜在兴趣个数，难以适应不同应用场景，且没有考虑不同在线应用服务类别因素的问题，分别基于完整序列、最近序列和类别序列学习用户的长期兴趣、短期兴趣和从众兴趣，避免人工设置潜在兴趣个数的弊端，并考虑不同在线应用类别因素的影响，捕获用户的从众兴趣作为推荐结果可解释性的基础，帮助应用提供商有针对性的调整推荐策略。
📄 2022116349712
📂 G06F16_9535
👤 杭州电子科技大学
📅 2022-12-19
一种结合情感类别注意力损失的卷积神经网络情感图像分类方法，涉及智能媒体计算和计算机视觉技术领域；首先对训练样本进行类别权重计算，得到情感类别注意力权重向量；其次按情感类别数量和情感类别注意力损失修改卷积神经网络最后的分类层与损失函数；然后将训练样本进行预处理后传入网络中，使网络在损失函数和优化器的对参数的迭代更新后达到收敛，完成训练；最终将预处理后的测试图像送入网络中，计算得到的模型的情感图像分类准确率以及模型对测试情感图像的预测类别。本发明使得情感图像在通过卷积神经网络进行情感类别分类时，可以自适应的得到更符合数据集样本分布特点的分类结果，有助于情感分类算法在不同的实际应用场景中训练与使用。
📄 2020115068106
📂 G06K9_62
👤 北京工业大学
📅 2020-12-18
本发明提供了一种基于神经网络的建筑裂缝检测方法，包括：步骤S100，获取建筑裂缝图像，对图像进行光照补偿；步骤S200，提取光照补偿后图像中建筑裂缝的不同分辨率的多尺度特征并融合；步骤S300，通过融合特征获得裂缝热力图确定裂缝位置，通过裂缝位置图和融合后的特征图采用空间注意力机制聚焦裂缝区域，检测裂缝宽度、裂缝长度和走向。
📄 202511254961X
📂 G06T7_00
👤 江苏建筑职业技术大学
📅 2025-09-04
本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
📄 202210359058X
📂 G06F18_2433
👤 成都信息工程大学
📅 2022-04-07
本公开提供了一种图像识别方法及装置、神经网络模型的训练方法及装置，涉及人工智能领域，具体为计算机视觉和深度学习领域。实现方案为：将待识别图像输入神经网络模型；以及至少基于多个网络模块中靠近神经网络模型的输入侧的部分网络模块执行对待识别图像的识别，其中，针对至少一个超网络模块中任一超网络模块及其所对应的预测器，在该超网络模块接收到上一个网络模块所输出的特征图的情况下，将特征图输入与该超网络模块所对应的预测器，以获取该预测器所输出的预测值，基于预测值，确定该超网络模块的至少两个子网络中的一个子网络为选中子网络，以及在该超网络模块中，利用选中子网络执行对待识别图像的识别。
📄 2021101275529
📂 G06V10_82
👤 北京百度网讯科技有限公司
📅 2021-01-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台