-
公开(公告)号：CN119358649A
公开(公告)日：2025-01-24
申请号：CN202411362577.7
申请日：2024-09-27
Applicant: 北京京航计算通讯研究所
IPC: G06N5/022 , G06N5/04 , G06N3/0455 , G06N3/0442 , G06N3/096
Abstract: 本发明涉及一种装备特性知识联想补全方法及系统，属于数据处理技术领域，解决了现有推理出来的装备特性知识不准确的问题。包括：从装备特性数据集中选取装备特性数据屏蔽部分内容后与预置的提示词拼接作为训练样本放入训练集；对基于多头自注意力机制的Transformer大模型进行改进，引入记忆模块和融合模块；记忆模块基于多头自注意力机制的处理结果更新记忆矩阵，融合模块融合Transformer模块和记忆模块的输出；利用训练集训练改进的大模型得到知识补全模型；将装备特性数据集中完整的装备特性知识传入知识补全模型，更新记忆模块的记忆矩阵，得到学习后的知识补全模型；利用学习后的知识补全模型补全装备特性知识。实现了装备特性知识的准确补全。
-
公开(公告)号：CN117332923A
公开(公告)日：2024-01-02
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN117109922A
公开(公告)日：2023-11-24
申请号：CN202311091807.6
申请日：2023-08-28
Applicant: 北京京航计算通讯研究所
IPC: G01M13/045 , G06F18/25 , G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0895 , G06N3/048
Abstract: 本发明涉及一种基于工况解耦的轴承故障诊断方法，属于故障诊断技术，解决了现有技术中轴承故障诊断时未将工况信息和故障数据相结合使得诊断精度及可靠性不高的问题。方法包括：获取轴承振动信号数据；其中，所述轴承振动信号数据包括轴承工况属性和轴承振动数据；将所述轴承振动信号数据输入训练好的轴承故障诊断模型得到轴承故障类别；其中，轴承故障诊断模型包括数据输入层、特征提取层和故障分类器尾部。实现了结合工况数据和故障数据，通过分析工况参数与故障之间的关系，进一步提高诊断的精确性和可靠性。
-
公开(公告)号：CN111126794A
公开(公告)日：2020-05-08
申请号：CN201911240412.1
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练系统。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方案。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练系统，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。
-
公开(公告)号：CN111126458A
公开(公告)日：2020-05-08
申请号：CN201911240414.0
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练方法。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方法。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练方法，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN119247401A
公开(公告)日：2025-01-03
申请号：CN202411303948.4
申请日：2024-09-19
Applicant: 北京京航计算通讯研究所
IPC: G01S19/07 , G01S19/37 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种临近空间中的电离层TEC预测方法，属于电离层技术领域。方法包括：获取连续三个时刻的电离层环境数据；其中，电离层环境数据包括：电离层TEC数据和地球磁场数据；将三个时刻的电离层环境数据输入训练好的电离层TEC预测模型，得到下一时刻的电离层TEC数据；其中，电离层TEC预测模型包括编码器、条件生成器和解码器；编码器用于将当前时刻的电离层TEC数据编码得到电离层TEC数据的潜在表示；条件生成器用于对三个时刻的电离层环境数据进行反演编码得到电离层电子密度信息；解码器用于利用电离层电子密度信息从当前时刻的电离层TEC数据的潜在表示中重构出下一时刻的电离层TEC数据。实现了通过反演电离层电子密度信息预测电离层状态。
-
公开(公告)号：CN116090449B
公开(公告)日：2024-05-14
申请号：CN202211433872.8
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/289 , G06F16/28 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种质量问题分析报告的实体关系抽取方法及系统，属于关系抽取技术领域，解决了现有技术中样本不均衡时关系抽取准确率低的问题。包括从质量问题分析报告中提取待推理信息，对待推理信息进行预处理后，传入实体关系抽取模型，推理出实体关系；实体关系抽取模型是基于历史质量问题分析报告构建训练集和测试集，对PCNN模型进行迭代训练和测试，直至模型准确率不小于阈值而得到；其中，训练时根据各关系类别的样本权重更新训练集，根据各训练样本的训练结果动态更新各关系类别标签；测试时根据各测试样本的验证结果计算模型准确率，若模型准确率小于阈值，更新各关系类别的样本权重后再次训练和测试。实现了实体间关系抽取的高准确率。
-
公开(公告)号：CN117332923B
公开(公告)日：2024-03-26
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN116192904A
公开(公告)日：2023-05-30
申请号：CN202310206858.2
申请日：2023-03-03
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种动态人机交互点云压缩方法，包括以下步骤：基于多层投影法计算人机交互三维点云帧序列中相邻点云帧的最大变化坐标系；对三维点云帧序列分段；对于每段三维点云帧，根据相邻点云帧的最大变化坐标系计算融合坐标系；将该段三维点云帧的每个点云帧投影在所述融合坐标系的投影方向上得到每个点云帧在每个投影方向上的完整投影图像，根据相邻两个点云帧在每个投影方向上的完整投影图像的相似度对该段三维点云帧进行压缩。
-
公开(公告)号：CN115827409A
公开(公告)日：2023-03-21
申请号：CN202211510116.0
申请日：2022-11-29
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种在线算法评估装置及方法，属于人工智能领域以及数字电子领域，解决了现有技术中不能准确分析算法在FPGA上运行时的功耗、算法加速效果以及同类型算法的预测精度的问题。装置包括主FPGA芯片和n个从FPGA芯片；其中n大于等于2；n个从FPGA芯片分别用于运行每一个待评估算法；主FPGA芯片包括信息采集模块，用于采集待评估算法在各从FPGA芯片上执行时的执行过程信息并进行封装；在线分析模块，用于对封装信息进行解析，根据解析后的数据，提取得到各待评估算法相应执行过程的数据，对各待评估算法进行算法能耗、算法效率、算法模型特性分析对比，得到最优算法。实现了对多个待评估算法进行多方位对比分析的目的。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.036 seconds)
