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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD