【技術(shù)實(shí)現(xiàn)步驟摘要】
技術(shù)介紹
技術(shù)實(shí)現(xiàn)思路
【技術(shù)保護(hù)點(diǎn)】
1.一種訓(xùn)練機(jī)器學(xué)習(xí)模型的計(jì)算機(jī)實(shí)現(xiàn)方法，包括：
2.根據(jù)權(quán)利要求1所述的方法，其中所述后驗(yàn)推斷是精確的后驗(yàn)推斷。
3.根據(jù)權(quán)利要求1所述的方法，其中所述先驗(yàn)概率包括基于先驗(yàn)事件數(shù)據(jù)的導(dǎo)致所述島級(jí)事件的所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的初始已知的、實(shí)際的或估計(jì)的概率。
4.根據(jù)權(quán)利要求1所述的方法，其中使用期望最大化（EM）算法迭代地更新所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的所述先驗(yàn)概率。
5.根據(jù)權(quán)利要求1所述的方法，其中所述網(wǎng)絡(luò)包括配電網(wǎng)絡(luò)，所述配電網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)和一個(gè)或更多個(gè)分支，并且所述島的所述一個(gè)或更多個(gè)單個(gè)部件包括所述多個(gè)節(jié)點(diǎn)和所述一個(gè)或更多個(gè)分支的至少一部分。
6.根據(jù)權(quán)利要求1所述的方法，其中描述在所述島處發(fā)生的所述島級(jí)事件的所述島級(jí)事件數(shù)據(jù)是從所述島的所述一個(gè)或更多個(gè)單個(gè)部件的子集收集的。
7.根據(jù)權(quán)利要求1所述的方法，其中所述機(jī)器學(xué)習(xí)模型是機(jī)器學(xué)習(xí)潛變量模型，包括貝葉斯模型或混合模型。
8.?一種用于訓(xùn)練機(jī)器學(xué)習(xí)模型的系統(tǒng)，包括：
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其
10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述先驗(yàn)概率包括基于先驗(yàn)事件數(shù)據(jù)的導(dǎo)致所述島級(jí)事件的所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的初始已知的、實(shí)際的或估計(jì)的概率。
11.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中使用期望最大化（EM）算法迭代地更新所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的所述先驗(yàn)概率。
12.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述網(wǎng)絡(luò)包括配電網(wǎng)絡(luò)，所述配電網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)和一個(gè)或更多個(gè)分支，并且所述島的所述一個(gè)或更多個(gè)單個(gè)部件包括所述多個(gè)節(jié)點(diǎn)和所述一個(gè)或更多個(gè)分支的至少一部分。
13.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中描述在所述島處發(fā)生的所述島級(jí)事件的所述島級(jí)事件數(shù)據(jù)是從所述島的所述一個(gè)或更多個(gè)單個(gè)部件的子集收集的。
14.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述機(jī)器學(xué)習(xí)模型是機(jī)器學(xué)習(xí)潛變量模型，包括貝葉斯模型或混合模型。
15.一種非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)（CRM），其中存儲(chǔ)程序，所述程序用于使得計(jì)算機(jī)執(zhí)行包括以下的操作：
16.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中所述后驗(yàn)推斷是精確的后驗(yàn)推斷。
17.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中所述先驗(yàn)概率包括基于先驗(yàn)事件數(shù)據(jù)的導(dǎo)致所述島級(jí)事件的所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的初始已知的、實(shí)際的或估計(jì)的概率。
18.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中使用期望最大化（EM）算法迭代地更新所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的所述先驗(yàn)概率。
19.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中所述網(wǎng)絡(luò)包括配電網(wǎng)絡(luò)，所述配電網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)和一個(gè)或更多個(gè)分支，并且所述島的所述一個(gè)或更多個(gè)單個(gè)部件包括所述多個(gè)節(jié)點(diǎn)和所述一個(gè)或更多個(gè)分支的至少一部分。
20.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中描述在所述島處發(fā)生的所述島級(jí)事件的所述島級(jí)事件數(shù)據(jù)是從所述島的所述一個(gè)或更多個(gè)單個(gè)部件的子集收集的。
21.根據(jù)權(quán)利要求15所述的非暫時(shí)性事件分配計(jì)算機(jī)可讀介質(zhì)，其中所述機(jī)器學(xué)習(xí)模型是機(jī)器學(xué)習(xí)潛變量模型，包括貝葉斯模型或混合模型。
...【技術(shù)特征摘要】
1.一種訓(xùn)練機(jī)器學(xué)習(xí)模型的計(jì)算機(jī)實(shí)現(xiàn)方法，包括：
2.根據(jù)權(quán)利要求1所述的方法，其中所述后驗(yàn)推斷是精確的后驗(yàn)推斷。
3.根據(jù)權(quán)利要求1所述的方法，其中所述先驗(yàn)概率包括基于先驗(yàn)事件數(shù)據(jù)的導(dǎo)致所述島級(jí)事件的所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的初始已知的、實(shí)際的或估計(jì)的概率。
4.根據(jù)權(quán)利要求1所述的方法，其中使用期望最大化（em）算法迭代地更新所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的所述先驗(yàn)概率。
5.根據(jù)權(quán)利要求1所述的方法，其中所述網(wǎng)絡(luò)包括配電網(wǎng)絡(luò)，所述配電網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)和一個(gè)或更多個(gè)分支，并且所述島的所述一個(gè)或更多個(gè)單個(gè)部件包括所述多個(gè)節(jié)點(diǎn)和所述一個(gè)或更多個(gè)分支的至少一部分。
6.根據(jù)權(quán)利要求1所述的方法，其中描述在所述島處發(fā)生的所述島級(jí)事件的所述島級(jí)事件數(shù)據(jù)是從所述島的所述一個(gè)或更多個(gè)單個(gè)部件的子集收集的。
7.根據(jù)權(quán)利要求1所述的方法，其中所述機(jī)器學(xué)習(xí)模型是機(jī)器學(xué)習(xí)潛變量模型，包括貝葉斯模型或混合模型。
8.?一種用于訓(xùn)練機(jī)器學(xué)習(xí)模型的系統(tǒng)，包括：
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述后驗(yàn)推斷是精確的后驗(yàn)推斷。
10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述先驗(yàn)概率包括基于先驗(yàn)事件數(shù)據(jù)的導(dǎo)致所述島級(jí)事件的所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的初始已知的、實(shí)際的或估計(jì)的概率。
11.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中使用期望最大化（em）算法迭代地更新所述一個(gè)或更多個(gè)單個(gè)部件中的每一個(gè)的所述先驗(yàn)概率。
12.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述網(wǎng)絡(luò)包括配電網(wǎng)絡(luò)，所述配電網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)和一個(gè)或更多個(gè)分支，并且所述島的所述一個(gè)或更...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：杰里米·柯?tīng)柼?/a>，朱塞佩·巴爾巴羅，邁赫迪·馬蘇米·哈吉吉，亨里克·奧爾松，烏馬山卡爾·桑迪利亞，
申請(qǐng)(專利權(quán))人：思睿人工智能公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。