检索结果-内蒙古大学图书馆

作者：杨星海申青山上官凤洋张淑蕙任子赫王景景 266000 山东省青岛市崂山区松岭路99号

本发明涉及一种基于混合神经网络的锂离子电池SOC估计方法，属于锂离子电池管理技术领域。该方法首先获取锂离子电池的外部参数，经归一化处理后分为训练集和测试集。随后，构建混合神经网络模型，该模型结合ResNet残差网络非对称卷积... 详细信息

标准号: CN117973442A

本发明涉及一种基于混合神经网络的锂离子电池SOC估计方法，属于锂离子电池管理技术领域。该方法首先获取锂离子电池的外部参数，经归一化处理后分为训练集和测试集。随后，构建混合神经网络模型，该模型结合ResNet残差网络非对称卷积模块和BiLSTM双向长短期记忆网络结构，分别提取电池数据的空域和时域特征，并利用迁移增强学习方法解决小数据集过拟合问题。利用训练集对ResNet‑BiLSTM神经网络模型进行训练，经过训练好的模型对测试集进行检测，模型能够对测试集进行准确检测，输出锂离子电池的SOC估计结果。不仅提高了模型检测精度，还增强了鲁棒性，为锂离子电池管理提供了新的解决方案。

关键词：锂离子电池测试集训练集混合神经网络模型混合神经网络神经网络模型归一化处理电池数据估计结果管理技术模型检测模型结合时域特征外部参数网络结构准确检测非对称鲁棒性小数据残差构建卷积拟合空域迁移输出检测网络学习管理

来源：评论

学校读者我要写书评

暂无评论

一种基于增强解码的AE-GAN的ECG信号重建方法

一种基于增强解码的AE-GAN的ECG信号重建方法

引用

作者：马玉润张爱华王惠东漆宇晟李佳琪陈诚 730050 甘肃省兰州市七里河区兰工坪路287号

本发明涉及生理信号处理与分析技术领域，公开了一种基于增强解码的AE‑GAN的ECG信号重建方法，构建AE‑GAN混合神经网络模型，AE‑GAN混合神经网络模型包括生成器和鉴别器，生成器包括编码器和解码器，所述鉴别器包括第一全卷积层、全连... 详细信息

标准号: CN116720056A

本发明涉及生理信号处理与分析技术领域，公开了一种基于增强解码的AE‑GAN的ECG信号重建方法，构建AE‑GAN混合神经网络模型，AE‑GAN混合神经网络模型包括生成器和鉴别器，生成器包括编码器和解码器，所述鉴别器包括第一全卷积层、全连接层和Sigmoid激活函数层，将含有不同信噪比噪声的ECG信号输入到所述AE‑GAN混合神经网络模型中，处理后输出重构无噪的ECG信号；利用GAN网络捕获ECG全局特征的同时，采用AE网络卷积操作捕获ECG局部时序特征，并添加注意力机制避免网络在编码过程的通道信息丢失，且设计集成有遵循皮尔森卡方散度的最小二乘函数、距离函数和局部最大差异函数的生成器损失函数克服GAN网络训练过程中的梯度弥散问题；在重建ECG信号方面具有更高的精度和稳定性。

关键词：混合神经网络模型生成器鉴别器卷积生理信号处理网络训练过程最小二乘函数解码器注意力机制解码编码过程激活函数局部时序距离函数全局特征设计集成损失函数通道信息网络捕获最大差异编码器连接层信噪比重建弥散构建散度重构捕获噪声网络输出分析

来源：评论

学校读者我要写书评

暂无评论

一种信用风险控制智能预测方法及系统

一种信用风险控制智能预测方法及系统

引用

作者：房永斌高云肖振峰姚磊 518001 广东省深圳市罗湖区笋岗街道田心社区梅园路128号招商开元中心1栋B单元25层-29层

本发明为一种信用风险控制智能预测方法及系统，首先采集多个平台的用户数据；运用混合K‑Prototypes算对用户行为数据进行聚类，使用类别标签进行标识；构建目标用户的各类别社交关系知识图谱数据；从社交关系知识图谱中得到目标用户及... 详细信息

标准号: CN117094817B

本发明为一种信用风险控制智能预测方法及系统，首先采集多个平台的用户数据；运用混合K‑Prototypes算对用户行为数据进行聚类，使用类别标签进行标识；构建目标用户的各类别社交关系知识图谱数据；从社交关系知识图谱中得到目标用户及与目标用户具有关联关系的其他用户；根据类别标签获得对应的风险控制智能预测模型；将目标用户的用户行为数据及目标用户具有关联关系的其他用户的用户行为数据输入对应的风险控制智能预测模型，得到各用户信用风险预测分值；根据预测分值加权计算得到当前类别标签下的目标用户信用风险预测分值；将风险预测分值输入混合神经网络模型，最终得到目标用户的信用风险预测值。

关键词：目标用户风险预测用户行为数据风险控制类别标签智能预测模型关联关系社交关系信用混合神经网络模型加权计算图谱数据用户数据用户信用智能预测构建聚类图谱采集预测

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合的混合神经网络慢病诊疗问题分类方法

基于多特征融合的混合神经网络慢病诊疗问题分类方法

引用

作者：秦玉华刘畅邵一博梁冰雪王文婧 266069 山东省青岛市崂山区松岭路99号

本发明公开了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，涉及文本分类技术领域，技术方案为，一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，其特征在于，包括：采集慢病诊疗问题相关数据，进行人工标记，建立... 详细信息

标准号: CN117936121A

本发明公开了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，涉及文本分类技术领域，技术方案为，一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，其特征在于，包括：采集慢病诊疗问题相关数据，进行人工标记，建立数据库；对数据库中的数据进行预处理；采用多特征融合对数据库中的文本特征进行表示；通过添加注意力池化层的TextCNN模型APTC，并结合多头注意力机制MHA以及双向门控循环单元Bi‑GRU构成了混合神经网络模型MHA‑APTC‑BiGRU用于特征提取；确定慢病诊疗问题分类模型；对模型进行验证与优化，并对样本数据进行精准分类。本发明的有益效果为：提供了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法。

关键词：多特征融合诊疗混合神经网络问题分类数据库混合神经网络模型预处理问题分类模型建立数据库注意力机制精准分类人工标记特征提取文本分类文本特征循环单元样本数据双向门池化注意力多头采集验证优化

来源：评论

学校读者我要写书评

暂无评论

一种基于CLLSR混合模型的脉力等级预测方法

一种基于CLLSR混合模型的脉力等级预测方法

引用

作者：王洋韦敏罗静静祝兴杨嘉成 528200 广东省佛山市南海区桂城街道环岛南路28号

本申请属于中医诊脉技术领域，公开了一种基于CLLSR混合模型的脉力等级预测方法，包括步骤：A1.获取多个原始脉象数据并对原始脉象数据进行脉力等级评分和数据预处理，得到多个样本数据，形成样本集；样本数据包括预处理后脉象数据和对... 详细信息

标准号: CN117582185A

本申请属于中医诊脉技术领域，公开了一种基于CLLSR混合模型的脉力等级预测方法，包括步骤：A1.获取多个原始脉象数据并对原始脉象数据进行脉力等级评分和数据预处理，得到多个样本数据，形成样本集；样本数据包括预处理后脉象数据和对应的脉力等级标签值；A2.把样本集划分为训练集和测试集；A3.构建CLLSR混合神经网络模型；A4.利用训练集对CLLSR混合神经网络模型进行训练，并以测试集对训练后的CLLSR混合神经网络模型进行测试，得到训练好的CLLSR混合神经网络模型；A5.利用训练好的CLLSR混合神经网络模型对待测对象的实测脉象数据进行脉力等级预测；从而能够提高针对脉力评分等级的预测准确性。

关键词：混合神经网络模型脉力等级预测脉象数据样本数据原始脉象测试集训练集样本集预处理数据预处理等级标签混合模型中医诊脉构建实测测试预测申请

来源：评论

学校读者我要写书评

暂无评论

有效防范信用卡欺诈的检测技术研究

引用

中国信用卡 2024年第10期 90-94页

作者：黄华杰李成青朱杰李沛园陈欣怡中国工商银行广东省分行广州市第二中学厦门大学电子和计算机工程学院

近年来,机器学习模型在信用卡欺诈检测方面的应用日益加深,但受限于数据的敏感性和保密性,仍有较大提升空间。为实现更全面的个人客户画像,本研究创新性地引入反映个人经济状况、背景资料和交易信息的相关特征,针对信用卡交易中不平衡... 详细信息

近年来,机器学习模型在信用卡欺诈检测方面的应用日益加深,但受限于数据的敏感性和保密性,仍有较大提升空间。为实现更全面的个人客户画像,本研究创新性地引入反映个人经济状况、背景资料和交易信息的相关特征,针对信用卡交易中不平衡数据和欺诈检测问题,提出一种面向个人客户身份信息和交易特征的基于聚类下采样技术的混合神经网络模型(Hybrid Neural Network with Clustering-based Undersam-pling technique on Identity and Transaction features,HNN-CUHIT)。

关键词：信用卡交易客户身份交易特征不平衡数据交易信息信用卡欺诈混合神经网络模型采样技术

来源：评论

学校读者我要写书评

暂无评论

基于RF-LSTM混合神经网络的固废焚烧烟气排放浓度预测研究

引用

中国资源综合利用 2024年第8期42卷 65-67页

作者：郝勤正崔理章李欣舟成都市兴蓉再生能源有限公司成都610063

固废焚烧会产生有毒有害烟气,烟气排放浓度预测可以辅助固废焚烧工艺参数的高效调整。自编码器(Autoencoder,AE)、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络是3种常见的人工神经... 详细信息

固废焚烧会产生有毒有害烟气,烟气排放浓度预测可以辅助固废焚烧工艺参数的高效调整。自编码器(Autoencoder,AE)、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络是3种常见的人工神经网络,而随机森林(Random Forest,RF)是一种高度灵活的机器学习算法。基于RF和LSTM网络,构建混合神经网络模型,结合成都市某固废焚烧发电厂运行工况数据,开展氮氧化物(NO_(x))浓度预测与分析。结果表明,RF-LSTM模型的均方根误差、平均绝对误差较AE-LSTM模型分别减少38.58%、46.56%,较CNN-LSTM模型分别减少23.77%、31.96%;RF-LSTM模型的决定系数较AE-LSTM模型增加22.54%,较CNN-LSTM模型增加16.00%。原始样本进行插值补缺时,步长为3 h的RF-LSTM模型预测精度最高,能够有效预测NO_(x)排放浓度。

关键词：固废焚烧烟气排放浓度预测混合神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于混合神经网络的滚动接触疲劳检测方法

基于混合神经网络的滚动接触疲劳检测方法

引用

作者：杨长辉吕庆梁举科杨岩 400054 重庆市巴南区李家沱红光大道69号

本发明涉及滚动接触疲劳检测技术领域，具体涉及基于混合神经网络的滚动接触疲劳检测方法，包括：基于神经网络和SVM分类器构建对应的混合神经网络模型作为疲劳预测模型；对疲劳预测模型进行模型训练；将待检测试样的振动数据输入经过... 详细信息

标准号: CN115952619A

本发明涉及滚动接触疲劳检测技术领域，具体涉及基于混合神经网络的滚动接触疲劳检测方法，包括：基于神经网络和SVM分类器构建对应的混合神经网络模型作为疲劳预测模型；对疲劳预测模型进行模型训练；将待检测试样的振动数据输入经过训练的疲劳预测模型中，分别由神经网络和SVM分类器进行特征提取和特征分类预测，进而输出对应的疲劳预测类概率；将疲劳预测模型输出的疲劳预测类概率作为对应待检测试样的疲劳检测结果。本发明中能够通过疲劳预测模型准确、有效的实现特征提取，并且能够提高疲劳预测模型的泛化能力，从而提升滚动接触疲劳检测的准确性和效果。

关键词：预测模型疲劳滚动接触疲劳检测神经网络特征提取预测混合神经网络模型混合神经网络检测技术领域模型训练疲劳检测特征分类振动数据输出概率构建

来源：评论

学校读者我要写书评

暂无评论

一种基于混合神经网络的水质类别检测方法、系统及设备

一种基于混合神经网络的水质类别检测方法、系统及设备

引用

作者：张玉燕刘健张凌晓楚冬梅樊冰王鹏 250013 山东省济南市历下区历山路125号

本发明属于水环境监测与管理技术领域，具体涉及一种基于混合神经网络的水质类别检测方法、系统及设备。包括如下步骤：采集水质图像数据集并进行预处理；建立水质图像检测网络；预处理后的水质图像样本同时输入到并行的卷积块I和卷积... 详细信息

标准号: CN118365974A

本发明属于水环境监测与管理技术领域，具体涉及一种基于混合神经网络的水质类别检测方法、系统及设备。包括如下步骤：采集水质图像数据集并进行预处理；建立水质图像检测网络；预处理后的水质图像样本同时输入到并行的卷积块I和卷积块Ⅱ得到卷积特征；卷积特征输入并行的残差连接块I和残差连接块Ⅱ得到残差处理特征；残差处理特征输入并行的自注意力模块I和自注意力模块Ⅱ得到注意力特征并将进行特征融合；融合特征输入水质图像检测网络D_Net的Dropout层、全连接层中，得到水质图像检测的概率。本发明通过构建混合神经网络模型，结合卷积神经网络进行特征提取和图像分类，可以有效地识别水质图像中的各种水质参数，进而检测出水质的类别。

关键词：水质残差卷积特征输入图像检测预处理注意力并行混合神经网络模型混合神经网络卷积神经网络水环境监测图像数据集系统及设备管理技术水质参数水质类别特征融合特征提取图像分类图像样本连接层有效地检测构建网络采集图像融合概率

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习的蛋白质适应度预测方法

一种基于深度学习的蛋白质适应度预测方法

引用

作者：梁亦龙戈其珺舒坤贤 400065 重庆市南岸区南山街道崇文路2号

本发明属于生命科学领域，具体涉及一种基于深度学习的蛋白质适应度预测方法，包括：对目标蛋白质进行多序列比对，并推断其进化耦合，并获取同源蛋白质序列的局部进化表示；利用蛋白质语言模型来获取目标蛋白质的氨基酸特征；对目标蛋... 详细信息

标准号: CN115472221A

本发明属于生命科学领域，具体涉及一种基于深度学习的蛋白质适应度预测方法，包括：对目标蛋白质进行多序列比对，并推断其进化耦合，并获取同源蛋白质序列的局部进化表示；利用蛋白质语言模型来获取目标蛋白质的氨基酸特征；对目标蛋白质的氨基酸序列进行位置嵌入表示，得到位置特征；将目标蛋白质的局部进化表示和氨基酸特征与位置特征输入到混合神经网络模型中提取特征，将提取的特征通过全连接计算，得到蛋白质适应度的预测结果值。本发明提出了一种新的混合神经网络，网络充分利用了蛋白质序列的局部进化信息和氨基酸特征信息，可以更有效的提取并学习蛋白质序列数据，提高了预测精度。

关键词：氨基酸特征目标蛋白质蛋白质进化位置特征适应度混合神经网络模型蛋白质序列数据混合神经网络生命科学领域氨基酸序列蛋白质序列多序列比对同源蛋白质获取目标提取特征语言模型预测结果耦合预测嵌入推断学习网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：