-
公开(公告)号：CN117370572A
公开(公告)日：2024-01-09
申请号：CN202311326237.4
申请日：2023-10-13
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 厦门大学
Abstract: 本发明提出基于冯诺依曼图熵的主设备故障知识图谱知识推理方法，包括以下步骤；步骤一、构建用于训练与测试的数据集，对数据进行分析处理，获得结构化数据；步骤二、定义本体，构建三元组和知识图谱；步骤三、基于冯诺依曼图熵和认知推理理论设计推理模型；进行全图信息的统计和冯诺依曼图熵的计算，将计算所得的结果与认知图推理双阶段方法的第一阶段相融合，完成邻域的筛选，获得构建完成的认知图，并为图中的全部节点赋予分数；步骤四、对推理模型测试，通过学习知识图谱中已有的局部和全局知识，推断出知识图谱中可能存在的新的事实；本发明能挖掘其高阶结构，在给定头实体和关系的情况下，对尾实体进行推断，为电力知识图谱补充新的知识。
-
公开(公告)号：CN117151104A
公开(公告)日：2023-12-01
申请号：CN202311244952.3
申请日：2023-09-26
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 厦门大学
IPC: G06F40/295 , G06F16/36 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F18/213
Abstract: 本发明涉及一种基于Bert Bilstm CRF模型的电网主设备命名实体识别方法。旨在自动识别电网主设备领域文本中的命名实体，主要包括对文本数据的预处理、使用Bert对文本进行嵌入表示得到对应词向量、使用Bilstm对词向量进行特征提取、使用CRF对命名实体进行识别，实验结果表示该发明在电网主设备领域的命名实体识别任务中取得了良好的性能表现。
-
公开(公告)号：CN116738144A
公开(公告)日：2023-09-12
申请号：CN202310510942.3
申请日：2023-05-08
Applicant: 厦门大学
IPC: G06F18/10 , G06F18/214 , G06K17/00
Abstract: 本申请的实施例提供了一种基于RFID的人体行为检测方法、装置、介质及设备。该方法包括：所述方法包括：接收由所述天线传输的预定时间长度内的信号特征信息，所述信号特征信息包括所述天线在所述预定时间长度对应时间段内所接收到信号的信号接收强度以及信号相位；对所述信号特征信息进行预处理，得到待识别数据集；将所述待识别数据集输入至预先训练完成的人体行为识别模型，以使所述人体行为识别模型输出对应的人体行为识别结果，所述人体行为识别模型基于概率稀疏化自注意力机制训练得到。本申请实施例的技术方案可以降低设备部署的难度，减少模型的计算复杂度并保证人体行为识别的准确度。
-
公开(公告)号：CN112597391B
公开(公告)日：2022-08-12
申请号：CN202011564657.2
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N20/00
Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
公开(公告)号：CN106131862B
公开(公告)日：2019-08-16
申请号：CN201610511177.7
申请日：2016-07-01
Applicant: 厦门大学 , 常州梯卫士网络科技有限公司
CPC classification number: Y02D70/00
Abstract: 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法，首先创建无线传感器网络的数学模型及目标函数，随机生成一种群，采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下：维持一个大小为N的种群，并通过不断迭代，引导算法逼近Pareto最优前沿。在每一次迭代过程中，首先给定一个种群Pt；引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′；然后，采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界，引入新分布度维持策略与快速非支配排序算法结合，以选择一个新的种群进入下一次进化，最终获得使得无线传感器网络所有节点的总工作功率小，同时又能保证覆盖率的最大化的种群方案。
-
Patent Agency Ranking
公开(公告)号：CN119226967A
公开(公告)日：2024-12-31
申请号：CN202411035503.2
申请日：2024-07-31
Applicant: 厦门大学平潭研究院 , 漳州科华技术有限责任公司
IPC: G06F18/2433 , H01M10/42 , G06F18/213 , G06F18/15 , G06N3/0499 , G06N3/045 , G06N3/088 , G06N3/0895 , G06F30/367 , G06F123/02 , G06F119/04
Abstract: 本申请公开了一种电池健康度的预测方法、装置、计算机设备及存储介质，涉及锂离子电池技术领域，解决了目前存在收集终身训练数据所需的时间无法跟上新型电池的发展速度，导致新一代电池的开发速度较低的问题。该方法包括：确定最优电池健康度预测模型，利用翻译器将部分充电曲线翻译为电池电气特征序列词，之后通过冻结的预训练语言模型得到中间预测电池电气特征序列词，并利用特征重构层进行特征重构，得到完整充电曲线，随后利用物理引导测试时间提示学习算法对电池电气特征序列词进行时间更新，通过冻结的预训练语言模型得到目标预测电池电气特征序列词，利用输出映射层进行映射得到当前电池的预测健康度。
-
公开(公告)号：CN117391075A
公开(公告)日：2024-01-12
申请号：CN202311508250.1
申请日：2023-11-13
Applicant: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC: G06F40/279 , G06F40/30 , G06N3/0442 , G06N3/084 , G06N3/088 , G06N7/01
Abstract: 本发明涉及一种基于BERT‑BiLSTM‑CRF模型的配网故障设备实体识别方法。以BERT‑BiLSTM‑CRF为框架，通过原始数据处理、标注模式设计、模型训练等多个步骤完成了故障设备实体识别任务，并同时维护了一套基于NLP技术的实体纠错与清洗方法，保障了标注的准确率和召回率，并大大提高了标注质量。本发明使用了序列标注的经典模型BERT‑BiLSTM‑CRF，充分利用BERT大模型的语义理解能力，通过少量训练数据，对大模型进行微调，大大提高了实体识别的性能。本发明针对实体标注任务中出现的错标问题，根据在人工标注中总结的经验，与NLP技术相结合，实现了对错标实体的清洗，获得了更高质量的标注结果。
-
公开(公告)号：CN117312531A
公开(公告)日：2023-12-29
申请号：CN202311506504.6
申请日：2023-11-13
Applicant: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
Inventor： 郑州 , 黄建业 , 吴飞 , 刘冰倩 , 廖飞龙 , 武欣欣 , 钱健 , 林爽 , 谢炜 , 杨彦 , 林晨翔 , 周晨曦 , 郭俊 , 翁宇游 , 张志宏 , 陈彦宇 , 刘启川
IPC: G06F16/332 , G06F16/36 , G06F16/34 , G06N5/022
Abstract: 本发明涉及一种知识图谱增强的基于大语言模型配电网故障归因分析方法。该方法首先利用数据提取技术从大规模复杂的电力故障数据中挖掘关键信息，并通过特定的三元组模型将这些信息结构化为实体和关系，构建知识图谱。接着，通过专业的可视化工具，将知识图谱进行细致的可视化处理，以揭示可能的故障原因。然后，依赖启发式规则，在知识图谱上进行链接游走，生成详尽的故障原因描述文本。大语言模型（LLM）对这些生成的文本进行深度处理，简化并提取关键信息，使得复杂的故障原因描述变得简洁明了。处理后的文本信息存储为本地知识库，并在此基础上进行LLM问答，以执行深度的故障归因分析。本发明方法能有效地找出电力故障的原因，提高故障处理效率。
-
公开(公告)号：CN116152206A
公开(公告)日：2023-05-23
申请号：CN202310166515.8
申请日：2023-02-27
Applicant: 厦门大学
IPC: G06T7/00 , G06T7/70 , G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06V10/80 , G06V10/764
Abstract: 本发明涉及一种光伏输出功率预测方法、终端设备及存储介质，该方法中包括：采集卫星图像并提取云运动特征和云位置特征；提取可见和不可见两类波段图像的全局信息和局部信息，并提取全局特征向量和局部特征向量；基于注意力机制对以上四个特征向量进行加权求和，得到增强的图像特征；基于历史气象数据，通过决策树模型对各时刻的降雨概率进行预测，得到预测值；基于注意力机制将当前时刻图像的云运动特征、云位置特征、图像特征和当前时刻的降雨概率预测值与当前时刻的光伏输出功率值进行加权求和后，通过LSTM网络得到下一时刻的光伏输出功率值预测值。本发明进一步提高了光伏预测领域中深度学习模型的准确性。
-
公开(公告)号：CN113310490A
公开(公告)日：2021-08-27
申请号：CN202110527801.3
申请日：2021-05-14
Applicant: 厦门大学
Abstract: 本发明提出了一种GRNN结合遗传算法的室内定位方法及系统，其中该方法包括采用RFID阅读器沿既定轨迹移动，以便在移动过程中获取RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标；建立GRNN网络模型，并采用遗传算法对GRNN网络模型的超参数进行调整以获取最优超参数，以便根据最优超参数和RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标对GRNN网络模型进行训练；获取待定位标签的多条标签信号强度特征，并将待定位标签的多条标签信号强度特征输入到训练好的GRNN网络模型进行预测以获取待定位标签的位置信息；由此，通过单个RFID阅读器收集多条标签信号强度特征从根本上规避了RFID阅读器之间的信号碰撞且大幅度降低了定位成本。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
