[发明专利]一种地质构造解释的检测方法，检测装置及可读存储介质有效
| 申请号： | 201811377579.8 | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109492775B | 公开（公告）日： | 2020-05-12 |
| 发明（设计）人： | 李冬;郭银玲;彭苏萍;杜文凤 | 申请（专利权）人： | 中国矿业大学（北京） |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00 |
| 代理公司： | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人： | 杨奇松 |
| 地址： | 100000 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种地质构造解释的检测方法，检测装置及可读存储介质，涉及地质勘探技术领域。该检测方法包括：获取待测目标区域的地质信息；其中，地质信息包括多个地震属性的信息；基于多种预先确定的敏感属性提取出地质信息中与敏感属性对应的敏感信息；基于预先确定的第一学习算法对敏感信息进行计算，获得待测目标区域的构造解释结果。因此能够实现对待测目标区域的地质构造进行自动识别，避免了人为主观干涉地质构造解释工作，能够减少人为主观判断过程中耗费的大量时间。 | ||
| 搜索关键词： | 一种 地质 构造 解释 检测 方法 装置 可读 存储 介质 | ||
【主权项】：
1.一种地质构造解释的检测方法，其特征在于，包括：获取待测目标区域的地质信息；其中，所述地质信息包括多个地震属性的信息；基于多种预先确定的敏感属性提取出所述地质信息中与所述敏感属性对应的敏感信息；基于预先确定的第一学习算法对所述敏感信息进行计算，获得所述待测目标区域的构造解释结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学（北京），未经中国矿业大学（北京）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811377579.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的云资源调度方法
- 下一篇：基于主动学习的微博流行度预测方法
- 同类专利
- 一种量子线路近邻化二维网格形态选择方法-201910010745.9
- 管致锦;沈鸣燕;程学云;张雨欣;季朗永;栾秦芳 - 南通大学
- 2019-01-07 - 2023-10-17 - G06N99/00
- 本发明公开了一种量子线路近邻化二维网格形态选择方法，具体步骤如下：设量子线路的量子位数为n，设网格的行数和列数分别为m
- 电子设备及执行电子设备的功能的方法-201880021990.3
- 崔溢焕;姜相旭;金英晕;朴承埙;徐贤周;严泰光;李在用;崔镇浩;李多顺;余在永 - 三星电子株式会社
- 2018-03-09 - 2023-10-13 - G06N99/00
- 本文公开了一种人工智能系统和方法。所述系统包括实现所述方法的处理器，所述方法包括：通过输入单元接收包括使用电子设备或外部设备中的至少一个来执行任务的请求的第一用户输入；通过无线通信单元向外部服务器发送与第一用户输入相关联的第一数据；从外部服务器接收第一响应，所述第一响应包括与第一用户数据和用于执行至少一部分任务的电子设备状态的序列中的至少一个相关联的信息；接收分配语音命令和通过触摸屏显示器接收到的触摸操作中的至少一个的第二用户输入，作为用于执行任务的请求；以及向外部设备发送与第二用户数据相关联的第二数据。
- 多类别分类器的交互式性能可视化-201780048861.9
- S·A·阿默施;李奉信;J·苏;J·D·威廉姆斯;任东昊 - 微软技术许可有限责任公司
- 2017-08-04 - 2023-09-15 - G06N99/00
- 提供了用于改善多类别分类器的性能的方法、计算机系统、计算机存储介质和图形用户界面。交互式图形用户界面包括项目表示显示区域，其显示与由多类别分类器处理的多个项目相对应的多个项目表示。可以使用显示针对每个类别的真正例、假正例和假负例的双向条形图来将分类器的性能可视化。
- 异常检测装置、异常检测方法及存储介质-201780081392.0
- 大桥纯;尾崎佑美 - 株式会社东芝;东芝数字解决方案株式会社
- 2017-09-25 - 2023-08-08 - G06N99/00
- 实施方式的异常检测装置具有检测部、去除部及学习部。检测部将成为异常检测的对象的检测对象数据向进行了基于第1学习对象数据的学习的第1自动编码器输入，由此检测上述检测对象数据内的第1异常数据，该第1学习对象数据成为学习的对象。去除部将上述第1学习对象数据向进行了基于由上述检测部检测到的上述第1异常数据的学习的第2自动编码器输入，由此从上述第1学习对象数据中将与上述第1异常数据建立关联的数据去除而生成第2学习对象数据。学习部基于由上述去除部生成的上述第2学习对象数据，使上述第1自动编码器进行学习。
- 多状态连续动作空间的合作式方法及系统-201880001580.2
- 侯韩旭;郝建业;张程伟 - 东莞理工学院
- 2018-08-01 - 2023-06-13 - G06N99/00
- 本发明提供一种多状态连续动作空间的合作式方法及系统，属于强化学习领域。本发明方法包括如下步骤：对于任意状态集合中的状态，初始化动作集；对于任意状态集合中的状态和动作集中的动作，初始化相关参数；分别在动作集修正层和策略评估更新层构建相应的协作机制，直至智能体i在状态s下的回报收敛。本发明还提供了一种实现所述多状态连续动作空间的合作式方法的系统。本发明的有益效果为：能够很好的处理连续动作空间中多智能体的协作问题。
- 数据量充分性判定装置、数据量充分性判定方法、数据量充分性判定程序、学习模型生成系统、完成学习的学习模型生成方法及完成学习的学习模型生成程序-202080102303.8
- 增崎隆彦;那须督 - 三菱电机株式会社
- 2020-06-26 - 2023-03-21 - G06N99/00
- 得到能够更高精度地对学习用数据的数据量的充分性进行判定的数据量充分性判定装置。本发明涉及的数据量充分性判定装置具有：时序数据取得部，其取得时序数据；数据分割部，其将时序数据分割为多个子序列数据；数据集合生成部，其生成多个子序列数据集合，该子序列数据集合是子序列数据的集合；特征量计算部，其对子序列数据的特征量进行计算；概率分布生成部，其针对各个子序列数据集合而生成特征量的概率分布；以及判定部，其对概率分布是否已收敛进行判定。
- 一种基于MVO改进的DBSCAN矿井突水光谱识别方法-201811248403.2
- 来文豪;周孟然;赵舜;李大同 - 安徽理工大学
- 2018-10-25 - 2023-02-21 - G06N99/00
- 本发明公开了一种基于MVO改进的DBSCAN矿井突水光谱识别方法，将先进的多元宇宙优化(Multi‑Verse Optimizer,MVO)算法用于改进无监督聚类算法DBSCAN，实现DBSCAN算法的参数Eps自寻优，最后将寻得的最优参数结合DBSCAN算法用于煤矿突水的激光诱导荧光光谱识别；在改进算法的参数寻优过程中，MVO算法的宇宙位置的取值区间依据水样光谱数据的空间距离自设定，最大可能的减少人工输入参数。本发明提供的基于MVO改进的DBSCAN算法，不仅省去繁琐的人工参数寻优过程，并且能输出最优识别率所对应的参数Eps的取值区间；此外，井无监督学习算法用于识别煤矿突水光谱，能最大可能的降低对未知水源的误识别。
- 光子量子计算机架构-202080057980.2
- N·尼克森;H·B·帕洛莫 - 普赛昆腾公司
- 2020-06-22 - 2022-06-14 - G06N99/00
- 可以使用“栅格化”和交织技术来生成量子比特之间的纠缠。电路可以包括每时钟周期生成一个源态的源态生成器，其中每个源态具有若干个纠缠的量子比特。该电路还可以包括对由不同的时钟周期中的同一源态生成器生成的源态的量子比特执行纠缠测量操作的电路和延迟线。通过适当选择延迟线，单个源态生成器可以生成用来生成大型纠缠结构所需的所有源态。也可以使用混合技术，其中源态电路的数量大于1但小于生成纠缠结构所需的源态的数量。
- 分子生成模型的训练方法、装置、设备及存储介质-202010546027.6
- 徐挺洋;余俊驰;荣钰;黄俊洲 - 腾讯科技（深圳）有限公司
- 2020-06-16 - 2020-09-22 - G06N99/00
- 本申请提供了一种分子生成模型的训练方法；包括：获取基础分子及目标分子；通过编码层，对基础分子编码，得到第一图节点特征和第一树节点特征，对目标分子编码，得到第二图节点特征和第二树节点特征；通过对齐层，将第一图节点特征与第二图节点特征匹配，得到第一相似性特征，将第一树节点特征与第二树节点特征匹配，得到第二相似性特征；通过生成层，根据第一相似性特征和第一图节点特征，生成图节点特征，根据第二相似度特征和第一树节点特征，生成树节点特征；通过解码层，分别对图节点特征及树节点特征进行解码，得到预测分子；基于预测分子与目标分子间的差异，更新模型参数；通过得到的模型，能够生成保留基础分子部分结构的高属性分子。
- 一种地质构造解释的检测方法，检测装置及可读存储介质-201811377579.8
- 李冬;郭银玲;彭苏萍;杜文凤 - 中国矿业大学（北京）
- 2018-11-19 - 2020-05-12 - G06N99/00
- 本发明提供一种地质构造解释的检测方法，检测装置及可读存储介质，涉及地质勘探技术领域。该检测方法包括：获取待测目标区域的地质信息；其中，地质信息包括多个地震属性的信息；基于多种预先确定的敏感属性提取出地质信息中与敏感属性对应的敏感信息；基于预先确定的第一学习算法对敏感信息进行计算，获得待测目标区域的构造解释结果。因此能够实现对待测目标区域的地质构造进行自动识别，避免了人为主观干涉地质构造解释工作，能够减少人为主观判断过程中耗费的大量时间。
- 一种基于模糊密集稀疏密集算法进行图像分类的方法-201810666946.X
- 王改华;刘文洲;罗冷坤;吕朦;袁国亮;李涛 - 湖北工业大学
- 2018-06-26 - 2020-04-24 - G06N99/00
- 本发明提出了一种密集稀疏密集算法的优化方法，包括初始Dense训练阶段、Fuzzy阶段、最后Dense阶段，该方法使用隶属度来度量网络权重与整个网络的关联程度，确定每个数据信息与群集之间的关联程度。本发明有如下有点：1、与其他经典网络相比，本发明提出的优化网络是基于学习权重的价值，并且计算出哪些网络权重是更重要的连接，这种筛选过程更好地提高了分类精度。2、本发明的框架迁移性相比传统DSD得到提高，可用于继Alexnet后的VGG16、vgg19等其余新型网络。3、针对传统的深度神经网络所需上万次迭代分类问题，本发明在数百次迭代以内能有效提高分类精度。
- 基于菁染料和金属离子相互作用的分子逻辑门构建方法-201710400441.4
- 杨千帆;杨春容;邹丹;杨舒;陈见驰;杜媛媛 - 四川大学
- 2017-05-31 - 2020-04-07 - G06N99/00
- 本发明公开了一种基于菁染料和金属离子相互作用的分子逻辑门构建方法，包括：取菁染料溶液为模板，以不同pH的Tris‑HCl缓冲溶液和金属离子溶液作为平行的两路输入信号，以菁染料H‑聚集体在510nm‑520nm之间的吸光度或J‑聚集体在650nm‑665nm之间的吸光度的归一化结果为输出信号，设定阈值为0.03‑0.3，当归一化结果大于阈值时输出为1，当归一化结果小于阈值时，输出为0。以此构建了“或”门、“或非”门、“禁止”门等基本布尔逻辑门。本方案构建的分子逻辑门电路性能好，灵敏度高，开关比大，较容易区分，阈值能达到0.3以下，输出信号易检测，并且检测仪器依赖性小，用吸收光谱仪就可以实现。
- 利用机器学习模型执行预测的方法及装置-201810397572.6
- 舒程珣;涂威威;陈雨强;戴文渊;杨强 - 第四范式（北京）技术有限公司
- 2018-04-28 - 2019-11-05 - G06N99/00
- 提供了一种利用机器学习模型执行训练的方法及装置。所述方法包括：获取将针对其执行预测的当前数据记录；获取第一机器学习模型针对所述当前数据记录所涉及的一系列连续数据记录执行预测的过程中所产生的内部状态，以用作与所述当前数据记录相应的序列特征，其中，第一机器学习模型具有循环结构，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录，或者，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录连同所述当前数据记录；产生与所述当前数据记录相应的预测样本，其中，所述序列特征被用作所述预测样本所包括的特征之一；利用第二机器学习模型针对预测样本提供关于预测目标的预测结果。
- 信息处理装置和信息处理方法-201910285793.9
- 於保勇作;恒木亮太郎 - 发那科株式会社
- 2019-04-10 - 2019-10-29 - G06N99/00
- 本发明涉及信息处理装置和信息处理方法，更简便地进行与具有驱动部的装置有关的学习。信息处理装置(400)具备：存储部(403)，其存储用于使机床、机器人或产业机械的电动机(201、202)进行动作的加工程序；以及生成部(405)，其从所述存储部(403)所存储的所述加工程序中提取包含特征性要素的一部分加工程序，由此生成用于进行基于所述电动机(201、202)的动作特性的学习的学习用程序。
- 构建和处理用于动态结构化机器学习模型的计算图-201780067874.0
- 马尔塞洛·马蒂亚斯·赫雷斯霍夫 - 谷歌有限责任公司
- 2017-11-03 - 2019-08-30 - G06N99/00
- 公开了用于构造和处理表示动态结构化机器学习模型的计算图的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。示例系统接收识别能够对输入数据执行的多个操作的数据，以用于由动态结构化机器学习模型进行处理。该系统还接收与用于多个操作的自变量相对应的多个标签。有向计算图表示动态结构化机器学习模型的综合层。然后，该系统接收用于处理的输入，并且指定通过有向计算图的数据流。通过根据各个实现方式来构建单个计算图，机器学习系统能够接受并且有效地处理具有不同特征的输入数据。具体地，系统能够在不需要为每个输入重写计算图的情况下处理各种形状的输入。
- 多层网络最小支配集构造方法-201910422268.7
- 赵大伟;汪洁;徐习鹏;朱闻达;武文敏;江雨杭;秦勉;王连海 - 山东省计算中心(国家超级计算济南中心);中国民航大学
- 2019-05-21 - 2019-08-16 - G06N99/00
- 本发明的多层网络最小支配集构造方法，通过以下步骤来实现：a).初始化支配集合D为空集；将相连的节点i与j的关联概率初始化为区间（0,1]内的随机值；b).构建信念传播方程，计算每个节点处于已被占据状态的概率；c).节点添加，将节点按照被占据状态概率值降序排列，将前r比例的节点添加到支配集中；d).连边和节点的删除；e).掐叶算法处理；f).再次迭代；g).直到获得一个有效的支配集D。本发明的多层网络最小支配集构造方法，通过构建的信念传播方程计算多层网络节点属于多层网络最小支配集的边际概率，并使用多层网络掐叶算法以降低计算复杂程度，可快速构造出大规模多层网络的近似最小支配集。
- 用于数据的带注释捕获以及活动的群建模的方法和系统-201480051565.0
- Y·卡里图;H·M·R·科腾拉德;P·雅隆 - 莫韦公司
- 2014-08-04 - 2019-07-05 - G06N99/00
- 本发明公开了构建和/或使用用于估计用户的行为或用户感兴趣的情况的模型的方法、设备和系统。所述用户具有被配置为捕获与行为或情况有关的传感器数据的至少第一数据集的设备。一组处理能力被配置为捕获包括传感器数据的第一数据集和包括与行为或情况有关的注释数据的第二数据集，以及进一步至少配置模型。该设备进一步被配置为将至少一个模型的参数调节成用户的特性或一组用户的特性。本发明允许通过允许大量的数据的采集来改进现有技术，所述大量的数据将对模型针对行为或情况的拟合进行优化。
- 一种主动学习方法及装置-201910193835.6
- 牛力强;施隈隈;牛成 - 腾讯科技（深圳）有限公司
- 2019-03-14 - 2019-06-28 - G06N99/00
- 本发明公开了一种主动学习方法及装置，所述方法包括：获取已标注样本数据；使用机器学习模型对所述已标注样本数据进行训练，得到中间模型；将测试数据输入所述中间模型进行预测，得到所述测试数据对应的预测结果；根据预设评价指标，将边界模糊的预测结果对应的测试数据作为待标注样本数据输出；其中，采用多线程并行的方式对所述机器学习模型进行训练以及使用所述中间模型进行预测。本发明提供用户一通用性强的机器学习平台。本发明可以减少对输入模型用于训练的样本数据的标注量、减少进行人工标注的人力成本和有效提高处理效率。以最小的标注数据代价，快速迭代优化模型的效果。实现处理资源的最小化消耗。
- 用于QUDIT和多量子比特电路的精确量子电路及电路合成-201780064253.7
- S·舍恩南贝克;V·克利尤尼克服;A·V·博查洛夫 - 微软技术许可有限责任公司
- 2017-10-18 - 2019-06-04 - G06N99/00
- 提供了一种用于精确合成针对qudit和多量子比特系统的幺正矩阵的方法。另外，提供了一种状态准备方法。该合成产生针对给定的成本函数具有最低成本的电路。
- 特征选择方法、装置、存储介质及电子设备-201811482814.8
- 肖迪 - 东软集团股份有限公司
- 2018-12-05 - 2019-05-10 - G06N99/00
- 本公开涉及一种特征选择方法、装置、存储介质及电子设备，所述方法包括：获取候选特征子集集合；根据关联分析算法对候选特征子集集合进行处理，得到至少一个频繁项集；依次对每一频繁项集，执行特征选择操作：若已选特征集合中未包含该频繁项集中的所有特征，则确定该频繁项集与已选特征集合的并集对应的评价指标；若该评价指标优于已选特征集合对应的评价指标，则将并集作为新的已选特征集合；其中，已选特征集合初始为空集，每次得到的新的已选特征集合作为针对下一频繁项集执行特征选择操作中的已选特征集合。通过本公开的技术方案，以频繁项集为单位进行特征选择，考虑了特征之间的互补性，可以达到快速、有效地筛选较优特征的效果。
- 一种基于大数据的小型企业失信预测方法-201910021425.3
- 童毅;周波依 - 博拉网络股份有限公司
- 2019-01-10 - 2019-05-10 - G06N99/00
- 本发明涉及机器学习领域，具体而言，涉及一种基于大数据的小型企业失信预测方法，包括根据企业的行为足迹信息构建数据集；对数据集进行预处理操作；对数据集中的企业信息进行特征工程构建操作，构建统计特征、离散特征；构建多个机器学习模型并进行线性融合操作；对已建立的模型，根据企业的基本信息、企业民商事裁判文书、企业民商事审判流程等企业信息对小型企业是否失信，给出预测结果实现对小型企业失信行为的精准评估；本发明以小型企业为中心，围绕小型企业在多方面的行为足迹信息，通过构建数据集，数据预处理、特征工程、多个模型线性融合以及利用构建的模型对小型企业是否失信，给出预测结果实现对小型企业失信行为的精准评估。
- 训练模型的迁移学习方法及终端设备-201811480017.6
- 赵正旭;王威;吴又奎 - 中科恒运股份有限公司
- 2018-12-05 - 2019-05-07 - G06N99/00
- 本发明适用于模型构建技术领域，提供了一种训练模型的迁移学习方法及终端设备，该方法包括：根据数据集中的任一非空子集，确定训练数据集和对应的验证数据集；根据训练数据集中的数据，对获取的预训练模型重新训练，获得新模型；根据训练数据集对应的验证数据集中的数据，对新模型的性能进行检测，获取检测结果；根据上述步骤确定N组训练数据集和对应的N组验证数据集，获得N组新模型和N组检测结果，N大于等于1；确定N组检测结果中准确率最高的检测结果对应的新模型为满足应用的目标新模型，可以解决现有技术中在面对某一领域的具体问题时，通常可能无法得到构建模型所需规模的数据，并且构建新模型耗时长、资源消耗较大的问题。
- 针对含潜在不稳定特征构建机器学习模型的方法及装置-201811566395.6
- 卫浩 - 四川新网银行股份有限公司
- 2018-12-20 - 2019-05-03 - G06N99/00
- 本发明公开了一种针对含潜在不稳定特征构建机器学习模型的方法及装置，属于机器学习、模型构建和计算机技术领域，解决机器学习建模时，由于采用了不稳定的特征，在特征发生变动时往往需要重新构建机器学习模型，从而需要花费较大的人力、物力成本对模型进行维护的问题。本发明首先对训练样本特征的稳定性进行评估；基于特征稳定性评分，对特征进行分池；其次并行地对各特征池分别建立机器学习子模型；最后将得到的多个机器学习子模型进行融合模型训练，得到最终的融合模型。在特征发生变动导致特征不可用时，只需将该特征去掉后，更新对应特征池的子模型及融合模型，能以较小的代价和成本维护和更新模型，该方案用于对含不稳定特征的机器学习模型进行构建。
- 用户指导系统及方法-201680088918.3
- 张海宏;陶志伟 - 浙江核新同花顺网络信息股份有限公司;核新金融信息服务公司
- 2016-09-02 - 2019-04-26 - G06N99/00
- 本申请公开了一种用户指导方法和系统。该方法包括：获取第一个用户路径(510)，所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程。该方法还包括至少部分基于所述第一个用户路径生成教材(520)，所述教材包括优化的用户路径或至少一个知识点，以及向用户提供所述教材(530)。
- 执行机器学习流程的方法及系统-201611113470.4
- 栾淑君;杨慧斌;孙迪 - 第四范式（北京）技术有限公司
- 2016-12-06 - 2019-04-23 - G06N99/00
- 提供了一种执行机器学习流程的方法及系统，所述方法包括：(A)向用户展示用于配置机器学习任务的图形界面并检测用户通过图形界面执行的输入操作，其中，机器学习任务用于执行机器学习流程所包括的数据处理；(B)根据检测到的用户通过所述图形界面执行的输入操作来配置所述机器学习任务；以及(C)在不执行配置的所述机器学习任务的情况下，推断与所述机器学习任务有关的数据属性信息，其中，数据属性信息包括数据属性字段的名称和/或数据类型。相应地，能够花费较少资源和时间而有效地得到机器学习流程中各个阶段的数据属性信息，从而改善机器学习工具的可操作性。
- 云平台下的模型动态训练、校验、更新维护和利用方法-201811443554.3
- 黄金 - 湖南视比特机器人有限公司
- 2018-11-29 - 2019-04-19 - G06N99/00
- 本发明属于机器学习技术领域，公开了一种云平台下的模型动态训练、校验、更新维护和利用方法；资源管理器根据不同业务请求、历史模型训练结果得工作流表；校验数据对模型进行校验将结果通知给资源管理器；服务管理器释放资源；资源管理器重新下发业务给业务池的调度器，启用新的计算模块用于业务模块。本发明减低大量人工标注成本，利用资源管理模块获得大量的模型监控统计数据，用于解决探索和利用两者平衡问题，在此过程中训练的模型和原始数据得到一定程度上的复用，在大量数据累计过后，可以以其优秀的智能编排完成一套高效的工作流。该方法利用云平台的特点，将硬件资源虚拟化，充分利用各个功能模块的特点，将资源加以最大化的利用。
- 一种特征组合方法、装置及设备-201811430613.3
- 何博睿 - 中诚信征信有限公司
- 2018-11-28 - 2019-04-16 - G06N99/00
- 本发明实施例提供了一种特征组合方法、装置及设备，该方法包括：利用独热码表示每一特征，作为每一特征对应的独热码特征；从独热码特征中选取特征，利用逻辑运算算法对选取的特征进行特征组合，得到第一预设数量组合特征；确定得到的组合特征中与目标特征之间相关度绝对值大于预设阈值的特征，作为第一组合特征；从得到的组合特征中选取第二预设数量个特征，作为第二组合特征；利用遗传算法对第一组合特征与第二组合特征进行交叉变异得到新的组合特征，重复确定第一组合特征至满足预先设定的终止条件，将每一次确定的第一组合特征中相关度最高的第三预设数量个组合特征作为特征组合结果。应用本发明实施例提供的方案能够减少建模人员的工作量。
- 一种基于工业大数据的智能决策系统-201811208881.0
- 王昊瀛 - 南京昊瀛天成信息技术有限公司
- 2018-10-17 - 2019-03-19 - G06N99/00
- 本发明公开了一种基于工业大数据的智能决策系统，包括工业大数据采集模块；数据分布式并行处理与存储模块；数据挖掘与建模模块；工业大脑模块；数据可视化显示模块。本发明的有益效果：使企业了实现业务经营和生产过程的数字化，并向智能化推进，在业务经营、产品研发与工艺设计、生产执行和过程控制的各个方面，以科学决策，精确地资源调配和使用，动态响应生产环境、供应链和市场需求的不断变化，实现成本、效率、生产质量的极大优化。
- 一种基于网络云协同的人工智能深度学习方法-201811260633.0
- 黄辰;王时绘;张龑 - 湖北大学
- 2018-10-26 - 2019-03-12 - G06N99/00
- 本发明公开了一种基于网络云协同的人工智能深度学习方法。先在本地获取输入层数据，并将输入层数据输出到云服务器，然后在云服务器端将输入层数据输入到云服务器的人工智能分析模型中，得到输出层数据，有效解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。
- 基于大数据处理及云传输下的智能监测方法及平台-201811306879.7
- 王硕;张方舟;徐江;王学宇;吴晓宇 - 常熟理工学院
- 2018-11-05 - 2019-03-12 - G06N99/00
- 本发明公开了一种基于大数据处理及云传输下的智能监测系统及方法，包括前端数据采集设备、大数据存储平台、云计算平台、前端设备用户；前端数据采集设备将数据传输至大数据存储平台，进行数据比对后发出警报；云计算平台读取大数据存储平台数据进行故障抓取或上传故障参数值前端设备用户。本发明采用的云平台具有人工智能的学习预测算法，可根据环境的变化实时调整预测参数，相比独立预测设备，适应新可靠性更强。
- 专利分类
