“王彦棡”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果44个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图的融合时空注意力的地表太阳辐射度预测方法-CN202010653007.9有效
发明人：尹瑞;王珏;张沛;时珉;王一峰;王铁强;王晓光;刘晓艳;姚铁锤;王彦棡 -专利权人：国网河北省电力有限公司;国家电网有限公司;中国科学院计算机网络信息中心;天津弘源慧能科技有限公司
申请日： 2020-07-08 - 公布日： 2023-09-29 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于图的融合时空注意力的地表太阳辐射度预测方法，该方法包括以下步骤：选择覆盖实测站点的SWR子网格来构建图，气象网格点和地面辐射度实测站点作为图的结点；使用空间嵌入和时间嵌入来表示图结构和时间信息；使用融合时空的注意力机制学习图中结点间的动态关系联性；在编码器encoder和解码器decoder中间加入变换注意力模块,通过时空嵌入来建模历史和未来的关系；将实测站点的结点特征作为解码器decoder的输入来进行太阳辐射度预测。本发明充分考虑了时空相关性，能够更准确的预测辐射度。
一种基于融合时空注意力地表太阳辐射预测方法

[发明专利]一种基于图神经网络的材料性质预测方法、系统及设备-CN202310580976.X在审
发明人：王宗国;奉天羽;王彦棡;熊菲;陈子逸 -专利权人：中国科学院计算机网络信息中心;北京交通大学
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种基于图神经网络的材料性质预测方法、系统及设备，属于材料预测和分析领域。该方法包括：获取材料的晶体结构；对晶体结构进行编码初始化及标准化处理，得到对应原子的图网络；构建结构特征预测模型，并确定结构特征预测模型的网络超参信息，及设置结构特征预测模型的网络评估算法、激活函数、优化器；基于网络超参信息及网络评估算法、激活函数、优化器对结构特征预测模型进行训练与优化处理；将待预测材料数据输入至进行训练与优化处理后的结构特征预测模型，输出材料性质预测结果。本发明可实现材料结构的准确表征，最终提高模型的预测精度。
一种基于神经网络材料性质预测方法系统设备

[发明专利]一种针对物理神经网络的改进网络的调优方法和装置-CN202310332005.3在审
发明人：赵路;聂宁明;任永坚;王宗国;王珏;王彦棡;张纪林;曾艳 -专利权人：中国科学院计算机网络信息中心;杭州电子科技大学
申请日： 2023-03-30 - 公布日： 2023-08-08 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种针对物理神经网络的改进网络的调优方法和装置。该方法包括：为所述基础的物理神经网络添加输入放缩层，输出放缩层和特征层，构建改进的物理神经网络；使用若干观测点和所述改进的物理神经网络作差作为第一损失函数对所述改进的物理神经网络进行第一训练；将所述微分方程组的残差项加入到所述第一损失函数得到第二损失函数进行第二训练。实现了使用物理神经网络求解强刚性的速率理论方程组的可行性，添加观测点作为有监督训练项并进行预训练，确定模型的优化方向，使模型训练具有更高的训练效率。采用均衡各残差权重的优化方法，让改进的网络具有更好的正则化效果。
一种针对物理神经网络改进网络方法装置

[发明专利]一种基于卷积循环神经网络的海洋要素格点数值订正方法-CN202211357718.7在审
发明人：杨沁蒙;周纯葆;王彦棡;林鹏飞;刘海龙;李逸文;郑伟鹏 -专利权人：中国科学院计算机网络信息中心;中国科学院大气物理研究所
申请日： 2022-11-01 - 公布日： 2023-04-28 - 主分类号： G06F16/215 文献下载
摘要：本发明涉及数值误差订正技术领域，具体涉及一种基于卷积循环神经网络的海洋要素格点数值订正方法，其包括以下步骤:S1、从数值预报产品与再分析资料中提取海洋要素数据，并通过预处理获得具有相同格点的处理后数值预报产品及处理后再分析资料；S2、特征工程和训练；S3、建立误差订正模型，并完成要素参数调整。S1中先利用CDO的双线性插值法，使所述数值预报产品与所述再分析资料具有相同的格点；再利用torch.utils.data中的Dataset，从所述处理后数值预报产品和处理后再分析资料中提取要素数据，并构建学习训练所需要的数据集。本发明可有效提高海洋要素格点数值预报产品的精度。
一种基于卷积循环神经网络海洋要素数值订正方法

[发明专利]一种基于优化算法的对等模式并行处理方法及框架-CN201911415137.2有效
发明人：李强;聂宁明;全婷;王彦棡 -专利权人：中国科学院计算机网络信息中心;青岛大学
申请日： 2019-12-31 - 公布日： 2023-04-07 - 主分类号： G06F9/54 文献下载
摘要：本发明提供了一种基于优化算法的对等模式并行处理方法及框架，其中，方法步骤包括：主管理进程进行非阻塞式接收，接收来自子管理进程的收敛信号，根据第一预设算法进行水文模拟和纳什系数计算，生成一组适应值，对适应值进行排序处理，选择最优解；子管理进程进行非阻塞式接收广播，用于接收来自主管理进程的退出信号，再进行非阻塞式接收，用于接收来自计算进程的收敛信号，然后根据第二预设算法进行水文模拟和纳什系数计算，生成一组适应值，并对适应值进行排序，选择最优解；计算进程进行非阻塞式接收广播，用于接收来自子管理进程的退出信号；根据第一预设算法进行水文模拟和纳什系数计算，生成一组适应值，对适应值进行排序，选择最优解。
一种基于优化算法对等模式并行处理方法框架

[发明专利]基于时间和空间注意力的光伏发电时序预测方法及系统-CN202210547025.8有效
发明人：王珏;王子鉴;操海洲;姚铁锤;王彦棡;王晓光;万萌 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-05-19 - 公布日： 2023-03-31 - 主分类号： G06Q10/04 文献下载
摘要：本申请提供一种基于时间和空间注意力的短期时序预测方法及系统，其中，方法包括，获取历史时间步长的预测目标数据和相关外源特征的数据作为第一、第二序列，历史时间步长内与预测目标具有空间相关性的第三序列，未来时间步长内对相关外源特征进行科学预测得的第四序列；对第四序列在第一、第二序列中提取时间相似趋势得到第五序列；对第五序列提取周期性并进行映射生成目标预测数据；提取第三序列中的空间相关性嵌入到目标预测数据中得到未来时间步长内的时空相关性编码数据；对第一序列、第二序列提取时间相关性并嵌入到时空相关性编码数据得到短期时序预测数据。本发明实现了对预测数据的时间、空间关联，提高了预测数据的准确性。
基于时间空间注意力发电时序预测方法系统

[发明专利]一种企业知识产权绩效评价方法及系统-CN202310029931.3在审
发明人：王宗国;王彦棡;李献伟 -专利权人：中国科学院计算机网络信息中心
申请日： 2023-01-10 - 公布日： 2023-03-28 - 主分类号： G06Q50/18 文献下载
摘要：本发明公开了一种企业知识产权绩效评价方法及系统，涉及知识产权评价技术领域。具体步骤为：构建企业知识产权排名决策的层次结构模型；根据层次结构模型自动建立对应阶数的判断矩阵；对判断矩阵进行权重计算及一致性校验，计算每个矩阵的最大特征值以及所述最大特征值对应的特征向量，特征向量归一化后的各个数值占比即为指标中元素相对于上一级指标的权重；分别计算出判断矩阵中每个指标的权重，依次相加得到总分数；根据所述总分数对企业知识产权绩效进行定量评价。本发明解决了现有技术中指标无法调整，综合评价不够准确的问题。同时，该系统提出的指标自动分类及权重计算方法极大的降低了管理人员、评价人员的使用门槛，具有实用性。
一种企业知识产权绩效评价方法系统

[发明专利]图像预处理方法、装置、电子设备和存储介质-CN202211410670.1在审
发明人：时珉;王子鉴;王珏;张沛;尹瑞;王铁强;王一峰;王彦棡;田剑刚;王晓光;王铁锤;赵雪萌 -专利权人：国网河北省电力有限公司;中国科学院计算机网络信息中心;天津弘源慧能科技有限公司
申请日： 2022-11-11 - 公布日： 2023-03-14 - 主分类号： G06T3/40 文献下载
摘要：本申请提供了一种图像预处理方法、图像预处理装置、电子设备和计算机可读存储介质。方法包括：获取连续拍摄的多个原始图像；计算多个原始图像中每个原始图像的时间相关属性的数值；根据数值的不同，从原始图像中截取不同尺寸的输入图像；将输入图像输入预测模型。根据本申请，通过简单的方式实现准确可靠的图像尺寸调整，能够帮助预测模型实现高效准确的预测效果。
图像预处理方法装置电子设备存储介质

[发明专利]基于指数时间差分格式求解速率理论方程的并行计算方法-CN201910953927.X有效
发明人： 王彦棡;贺新福;张鉴;辛之夼;豆艳坤;聂宁明;贾丽霞;王珏;杨文 -专利权人：中国原子能科学研究院;中国科学院计算机网络信息中心
申请日： 2019-10-09 - 公布日： 2023-03-07 - 主分类号： G16C20/10 文献下载
摘要：本说明书实施例提供了一种基于指数时间差分格式求解速率理论方程的并行计算方法，基于速率理论建立物理微观缺陷模拟模型，速率理论没有时空尺度限制，因此在模拟高的损伤剂量条件下的微观结构演化时，能够明显体现出速率理论的优势，然后使用指数时间差分格式对于主方程进行求解，求解的结果精确性更好，精度更高。
基于指数时间差格式求解速率理论方程并行计算方法

[发明专利]一种作业时长预测方法、系统、设备和存储介质-CN202211410326.2在审
发明人：李贺;曹荣强;周纯葆;李凯;万萌;王晓光;王珏;王彦棡;苏丹;庞思睿 -专利权人：中国科学院计算机网络信息中心;国网智能电网研究院有限公司;国网冀北电力有限公司信息通信分公司;国网冀北电力有限公司;国家电网有限公司
申请日： 2022-11-10 - 公布日： 2023-03-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种作业时长预测方法、装置、设备和存储介质，该方法包括获取作业调度任务，所述作业调度任务包括需调度作业，获取需调度作业的最终作业特征，从至少两种作业时长预测模型中选择目标作业时长预测模型；将所述最终作业特征输入至所述目标作业时长预测模型，基于所述目标作业时长预测模型预测并输出需调度作业的作业时长，本发明实施例的作业时长预测方法能够从至少两种作业时长预测模型中选择目标作业时长预测模型，并基于目标作业时长预测模型预测需调度作业的作业时长，提高了作业时长预测的准确度。
一种作业预测方法系统设备存储介质

[发明专利]一种短期时间序列预测模型的训练方法-CN202210571113.1有效
发明人：王珏;王子鉴;操海州;姚铁锤;王彦棡;王晓光;万萌 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-05-24 - 公布日： 2023-01-31 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种短期时间序列预测模型的训练方法，方法包括：输入具有不同特征的带有时间属性的历史图像数据；使用双流时空运动特性识别方法对所述图像数据进行特征提取，得到不同图像数据的特征；将不同图像数据的特征进行张量拼接，得到多种因子图像特征矩阵；将历史目标实测数据、历史理想外源辅助数据与历史实际外源辅助数据的差值、以及多种因子图像特征矩阵进行拼接，得到第一样本数据；以未来目标实测数据作为第一标签数据，使用Transformer预测出第一预测数据，将所述第一预测数据与所述第一标签数据使用损失函数计算第一预测损失，并向使所述第一预测损失减小的方向进行迭代训练，得到训练完成的模型。
一种短期时间序列预测模型训练方法

[发明专利]一种多智能体强化学习训练方法及系统-CN202210902401.0在审
发明人：李非;王彦棡;辛之夼 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-07-28 - 公布日： 2022-10-18 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种多智能体强化学习训练方法及系统，其方法包括：局部策略训练阶段，智能体局部策略利用自身的局部观测信息做出动作；全局策略训练阶段，智能体的全局策略利用局部策略作为与环境交互的动作模块，全局策略以环境全局状态作为输入，给出对全局信息在隐空间中进行编码，同时利用全部智能体的局部观测信息使用神经网络对全局状态进行拟合；局部策略结合各自的局部观测信息以及全局策略的输出在环境中做出符合环境要求的合适动作；局部策略优化阶段，利用前两个阶段得到的全局策略与局部策略以及拟合模型，在现有的局部策略的基础上进行优化，最终得到效果更好的智能体。本发明能提升多智能体强化学习训练的速度和准确性。
一种智能强化学习训练方法系统

[发明专利]一种基于数据驱动的材料性质预测方法及系统-CN202110705753.2有效
发明人：王宗国;郭佳龙;王彦棡;刘志威;王珏;李杨 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-06-24 - 公布日： 2022-10-04 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于数据驱动的材料性质预测方法及系统。在一个实施例中，获取目标材料的预测数据集；根据所述目标材料的预测数据集获取所述目标材料的初始特征向量；将所述初始特征向量输入到特征重组网络模型中，得到所述目标材料的重组特征向量；根据所述目标材料的重组特征向量结合所述特征重组网络模型对应的评估算法对所述材料的目标性质进行预测。根据已有的数据自动选择和学习新的材料特征，使得在可处理的数据维度下，获得更加准确的特征描述，对目标材料性质预测的准确性也不断提高。
一种基于数据驱动材料性质预测方法系统

[发明专利]一种基于分布式技术的蛋白质结构推理方法-CN202210699090.2在审
发明人：辛之夼;王怡宁;李非;王彦棡;王珏;刘芳 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-06-20 - 公布日： 2022-09-09 - 主分类号： G06N5/04 文献下载
摘要：本发明涉及一种基于分布式技术的蛋白质结构推理方法，方法包括：获取蛋白质结构推理所需要的数据集；在AlphaFold2的Data Pipeline模块中，使用分布式计算流对所述数据集进行并行搜索，得到多序列比对MSA表征和模板表征；在AlphaFold2的Evoformer模块和Structure Module模块中，以所述MSA表征和模板表征作为输入，使用并行计算对至少两组不同配置的模型并行迭代学习，生成蛋白质三维结构，在最终生成的模型中选择置信度最高的模型作为输出模型；使用Amber relaxation对所述蛋白质三维结构进行弛豫操作，得到最终稳定的蛋白质三维结构，其中，使用GPU版本的openMM对所述Amber relaxation进行计算。
一种基于分布式技术蛋白质结构推理方法

[发明专利]一种基于多级分解和融合的时序预测系统及方法-CN202210512772.8在审
发明人：王珏;操海洲;王子鉴;姚铁锤;王彦棡;王晓光 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-05-11 - 公布日： 2022-07-29 - 主分类号： G06F16/9537 文献下载
摘要：本发明提供一种基于多级分解和融合的时序预测系统及方法，该系统基于Transformer的神经网络，遵循编码器‑解码器结构，所述编码器包含多个相同的编码器块，所述解码器包含多个相同的解码器块。依据预测任务设置初始序列，编码器的每一个编码器块将得到的初始编码序列进行两次混合时序分解和两次交叉融合，得到季节信息经过两次增强的编码序列。解码器的每一个解码器块将得到的初始解码序列进行三次混合时序分解和一次交叉融合，得到季节信息经过再一次增强的解码序列，本申请通过在编码器和解码器内部进行多级的混合时序分解与交叉融合策略，可以增强系统模型学习时序特征的能力，有效提升模型进行时序预测任务的性能。
一种基于多级分解融合时序预测系统方法

1
2
3
下一页»
尾页
共 44 条