专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果95个,建议您升级VIP下载更多相关专利
  • [发明专利]一种燃气负荷预测方法、装置、设备及介质-CN202310915636.8在审
  • 任亚霏;孙志远;蔡超;吴杰文;刘秦豫;朱恩庆 - 新奥新智科技有限公司
  • 2023-07-25 - 2023-10-27 - G06Q10/04
  • 本申请涉及能源技术领域,尤其涉及一种燃气负荷预测方法、装置、设备及介质,该方法包括:获取目标地区的第一历史数据,其中,第一历史数据包括当前日期前的多个第一历史气温和对应的历史燃气负荷数据、当前日期前的多个历史燃气负荷数据的平均值和第一日历数据;针对第一历史数据中的每个第一历史气温,基于与第一历史气温相邻的第二历史气温的加权值,以及在第一历史气温对应的日期之前的至少一个第二历史气温中各相邻两个第二历史气温的差值,更新第一历史气温,得到第二历史数据;基于第二历史数据进行燃气负荷数据预测,得到当前日期对应的目标燃气负荷数据。本申请能够在气温骤变时,降低利用历史数据对燃气负荷数据进行预测的误差。
  • 一种燃气负荷预测方法装置设备介质
  • [发明专利]目标检测模型的泛化方法、装置、设备及介质-CN202310712755.3在审
  • 谢龙飞 - 新奥新智科技有限公司
  • 2023-06-15 - 2023-10-27 - G06V10/25
  • 本申请涉及模型泛化技术领域,特别涉及一种目标检测模型的泛化方法、装置、设备及介质,其中,方法包括以下步骤:获取无标签的目标域数据;复制源域上训练完成的目标检测模型得到第一模型和第二模型;根据所述第一模型和所述第二模型计算所述目标域数据中任意数据的伪标签,将所述伪标签作为所述任意数据的真实标签训练所述目标检测模型,直到满足预设泛化条件时,得到泛化完成的目标检测模型。由此,解决了相关技术中在不提供源域数据的情况下,无法在完全没有标签的目标域上提升深度学习模型的适用性和准确性,从而导致无法快速适应环境的动态变换等问题。
  • 目标检测模型泛化方法装置设备介质
  • [发明专利]联合模型的训练方法、装置、设备、介质和程序产品-CN202310757701.9在审
  • 孙浩;李增祥 - 新奥新智科技有限公司
  • 2023-06-26 - 2023-10-27 - G06N20/00
  • 本申请公开了一种联合模型的训练方法、装置、设备、介质和程序产品。所述方法包括:接收模型配置指令;模型配置指令包括样本数据配置信息、多个模型训练参与对象;根据样本数据配置信息获取各模型训练参与对象的样本数据,根据各模型训练参与对象的样本数据以及多个模型训练参与对象对初始模型进行仿真训练,获得联合模型;基于联合模型的性能参数和/或联合模型的价值参数更新联合模型的模型训练参与对象,基于更新后的模型训练参与对象的样本数据对联合模型进行更新。采用本方法能够仿真不同配置项下的联合模型的更新过程,避免联合模型的试运行造成的成本较高的问题。
  • 联合模型训练方法装置设备介质程序产品
  • [发明专利]目标检测模型训练方法、目标检测方法、电子设备及介质-CN202310722400.2在审
  • 侯召祥;杨程屹 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-27 - G06N3/098
  • 本说明书涉及一种目标检测模型训练方法、目标检测方法、电子设备及介质。其中,目标检测模型训练方法包括:获取样本图像对应的掩码图像和变换图像;将掩码图像输入至第一图像检测模型的在线网络中进行重建和特征预测得到重建图像和预测特征;将变换图像输入至第一图像检测模型的目标网络中进行特征提取得到第一关键特征;基于预测特征、第一关键特征、对比特征进行对比损失的计算确定对比损失数据;根据对比损失数据、掩码损失数据对第一图像检测模型更新,以使在满足模型训练停止条件的情况下,基于目标网络或在线网络确定第一目标检测模型。本说明书实施例结合掩码学习和对比学习进行目标检测模型的训练,减少了对标注数据的依赖。
  • 目标检测模型训练方法电子设备介质
  • [发明专利]时间序列预测方法、装置、设备、介质和产品-CN202310753534.0在审
  • 赵书宝 - 新奥新智科技有限公司
  • 2023-06-25 - 2023-10-27 - G06N3/0464
  • 本申请公开了一种时间序列预测方法、装置、设备、介质和产品。该方法包括:利用预测模型对历史时间序列进行多次采样,获得多个候选时间序列;利用预测模型分别对每一候选时间序列进行特征提取,得到多个数据特征;利用预测模型分别对多个数据特征进行预测,获得每一候选时间序列对应的预测时间序列,根据每一预测时间序列确定未来时间序列。采用本申请的方法,可以基于更多的特征,全面地表征能源变化值的变化情况。进一步地,基于提取到的上述更多的特征预测得到的未来时间序列的准确性更高。也即,未来时间序列中的能源变化值更加准确。
  • 时间序列预测方法装置设备介质产品
  • [发明专利]联合模型的训练方法、训练装置、存储介质及电子设备-CN202310721913.1在审
  • 杨程屹 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-27 - G06N20/00
  • 本公开是关于一种联合模型的训练方法、联合模型的训练装置、存储介质及电子设备。该联合模型的训练方法包括获取第T轮训练时各参与方上传的本地模型及本地模型对应的性能度量指标的度量值;将各参与方上传的本地模型以加权求平均的方式进行模型聚合得到第一联合模型,将各参与方上传的本地模型以各参与方上传的度量值为权重进行加权模型聚合得到第二联合模型;根据第一联合模型对应的性能度量指标的估计值及第二联合模型对应的性能度量指标的估计值,判断各参与方中是否有参与方虚报度量值;若各参与方中有参与方虚报度量值则将虚报度量值的参与方剔除,将第二联合模型作为第T+1轮训练时的初始模型进行模型训练,如此可提高联合模型训练质量。
  • 联合模型训练方法装置存储介质电子设备
  • [发明专利]一种分位数确定系统、方法、设备及介质-CN202310756944.0在审
  • 何博睿 - 新奥新智科技有限公司
  • 2023-06-26 - 2023-10-27 - G06F21/62
  • 本申请实施例提供了一种分位数确定系统、方法、设备及介质,该系统包括中心设备和至少两个联合设备,在每轮平均分位数计算时,联合设备根据确定指令中携带的用于计算平均分位数的信息和待确定分位数的数值集,确定第一分位数,再使用预设随机数对该第一分位数进行调整,得到第二分位数并发送给中心设备,使其他设备无法获取自身的真实数值,其中存在唯一对应的另一联合设备与该联合设备的预设随机数为相反数,中心设备在接收到每个联合设备发送的第二分位数之后,根据第二分位数确定平均分位数,若确定该轮平均分位数计算满足收敛条件,则将平均分位数确定为目标分位数,否则,将该平均分位数再发送给每个联合设备,保证了各联合方的数据隐私。
  • 一种位数确定系统方法设备介质
  • [发明专利]时间序列数据预测方法、装置、设备及存储介质-CN202310721729.7在审
  • 赵书宝 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-24 - G06F18/24
  • 本申请公开了一种时间序列数据预测方法、装置、设备及存储介质,该方法包括:获取待处理时间序列,确定待处理时间序列的时域特征数据,并根据时域特征数据确定待处理时间序列的频域特征数据;待处理时间序列用于表征待预测对象在多个检测时间的运行数据;将时域特征数据通过预测模型进行特征提取处理,得到时域特征表示,以及将频域特征数据通过预测模型进行特征提取处理,得到频域特征表示;利用预测模型对时域特征表示和频域特征表示进行融合处理,得到融合特征数据,并对融合特征数据进行分类预测,得到待预测对象的预测结果。该方案能够通过预测模型提取到更全面的时间序列表征信息,并基于更为全面的信息进行分类预测,提高了预测的准确度。
  • 时间序列数据预测方法装置设备存储介质
  • [发明专利]外墙管道采样方法、系统、装置、存储介质及产品-CN202310721765.3在审
  • 赵书宝;刘辉 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-24 - G06V10/764
  • 本申请公开了一种外墙管道采样方法、系统、装置、存储介质及产品,其中,外墙管道采样方法,包括:采集管道点云数据,基于所述管道点云数据进行管道位置信息标注;基于所述管道位置信息生成管道出现概率;基于所述管道出现概率对所述云点数据进行分割,以生成第一预设概率云点区域和第二预设概率云点区域;分别对所述第一预设概率云点区域和第二预设概率云点区域进行采样处理,得到第一预设概率云点采样数据和第二预设概率云点采样数据;合并所述第一预设概率云点采样数据和第二预设概率云点采样数据,以获得完整管位置道信息。通过本申请的方法,通过主动采集云点数据并基于出现概率进行识别,可以在保留目标管道完整的情况下尽可能降低点云中其他非目标点的数量,同时保证点云的结构完整。
  • 外墙管道采样方法系统装置存储介质产品
  • [发明专利]基于队列中间件的通讯系统及方法-CN202310721565.8在审
  • 陆增翔 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-24 - G06F9/54
  • 本申请涉及一种基于队列中间件的通讯系统及方法,系统包括:联合学习客户端,用于根据接收到的联邦学习任务进行模型训练,并将训练得到的模型序列化得到第一目标格式信息;网络代理集群,用于接收联合学习客户端投递的第一目标格式信息;消息中间件集群,用于通过第一目标订阅队列接收网络代理集群传输的第一目标格式信息;联邦学习服务端,用于从第一目标订阅队列获取第一目标格式信息,并将第一目标格式信息反序列化得到训练得到的模型,并将训练得到的模型进行聚合得到新模型。由此,通过一个任务对应一个客户端,解决了在联邦学习中,多任务条件下,多客户端和单服务端通讯复杂的问题,从而提升通讯扩展性。
  • 基于队列中间件通讯系统方法
  • [发明专利]联合模型的训练方法、训练装置、存储介质及电子设备-CN202310724991.7在审
  • 杨程屹;李增祥 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-24 - G06N20/00
  • 本公开是关于一种联合模型的训练方法、联合模型的训练装置、存储介质及电子设备。该联合模型的训练方法包括获取第T轮训练时各参与方上传的本地模型及本地模型分别对应的训练轮数;将各参与方上传的本地模型进行模型聚合,得到联合模型,并确定模型聚合时各参与方上传的本地模型对联合模型的贡献值;将各参与方进行本地模型训练时本地数据的数据量占比与贡献值,按照预定数据处理方式进行数据融合,得到各参与方上传的本地模型对联合模型的真实贡献值;基于各参与方上传的本地模型对联合模型的真实贡献值,调整第T+1轮训练时的各参与方的初始模型的训练轮数,可提高贡献程度大的本地模型的训练轮数,从而提高联合模型质量。
  • 联合模型训练方法装置存储介质电子设备
  • [发明专利]时间序列数据预测方法、装置、设备及存储介质-CN202310721940.9在审
  • 赵书宝 - 新奥新智科技有限公司
  • 2023-06-16 - 2023-10-24 - G06F18/24
  • 本申请公开了一种时间序列数据预测方法、装置、设备及存储介质,该方法包括:获取待处理时间序列;所述待处理时间序列用于表征待预测对象在多个检测时间的运行数据;将所述待处理时间序列通过预测模型进行特征提取处理,得到所述待处理时间序列的局部特征数据、全局特征数据和融合特征数据;利用所述预测模型将所述局部特征数据、所述全局特征数据和所述融合特征数据进行特征编码处理,得到编码结果,并对所述编码结果进行分类预测,得到所述待预测对象的预测结果。该方案能够更细粒度地捕获到待处理时间序列的短程周期信息和长程周期信息,从而结合了更为全面的时间序列表征信息对下游任务进行分类预测,极大地提高了预测的准确度。
  • 时间序列数据预测方法装置设备存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top