申请/专利权人:上海交通大学
申请日:2023-02-22
公开(公告)日:2023-05-26
公开(公告)号:CN116167414A
主分类号:G06N3/0475
分类号:G06N3/0475;G06N3/094;G06T9/00
优先权:
专利状态码:失效-发明专利申请公布后的撤回
法律状态:2023.08.08#发明专利申请公布后的撤回;2023.06.13#实质审查的生效;2023.05.26#公开
摘要:本发明涉及数据处理技术领域,具体涉及基于深度学习的微型PMU数据衍生系统。该系统包括:多负荷GAN、深度学习分类器、负样本生成器和自动数据增强模块;多负荷GAN,用于基于输入数据生成负荷组数据,输入数据为N个用户中第i个的负荷分布深度学习分类器,用于基于原始正样本对多负荷GAN生成的负荷组数据的真实性进行评估;负样本生成器,用于生成负样本对深度学习分类器进行初始训练;自动数据增强模块,用于利用多负荷GAN的生成能力和深度学习分类器的分类能力,在训练中迭代创建对应的增强训练样本,利用对应的增强训练样本对分别对多负荷GAN和深度学习分类器进行二次训练。
主权项:1.一种基于深度学习的微型PMU数据衍生系统,其特征在于,该系统包括:多负荷GAN、深度学习分类器、负样本生成器和自动数据增强模块;所述多负荷GAN用于基于输入数据生成负荷组数据,所述输入数据为N个用户中第i个的负荷分布所述深度学习分类器用于基于原始正样本对多负荷GAN生成的负荷组数据的真实性进行评估;所述负样本生成器用于生成负样本对深度学习分类器进行初始训练;所述自动数据增强模块用于利用多负荷GAN的生成能力和深度学习分类器的分类能力,在训练中迭代创建对应的增强训练样本,利用对应的增强训练样本对分别对多负荷GAN和深度学习分类器进行二次训练。
全文数据:
权利要求:
百度查询: 上海交通大学 基于深度学习的微型PMU数据衍生系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。