-
公开(公告)号：CN115242661A
公开(公告)日：2022-10-25
申请号：CN202210618292.X
申请日：2022-06-01
Applicant: 国网新疆电力有限公司信息通信公司 , 国家电网有限公司
IPC: H04L41/142 , H04L43/08
Abstract: 本发明涉及一种信息通信技术领域，是一种基于组件层次分析的通信方案决策方法及相关装置，前者包括确定所需的必要特征；运用AHP算法分析必要特征的权重；将TOPSIS算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案。本发明针对各种传输缺陷选择合适的特征作为决策指标，并利用AHP算法和TOPSIS算法对待决策通信方案进行排序，选择最佳的通信方案，从而提高通信系统的适应性和鲁棒性，提高通信信道的吞吐量，并降低延迟，满足用户使用体验感。
-
公开(公告)号：CN113919322A
公开(公告)日：2022-01-11
申请号：CN202111076500.X
申请日：2021-09-14
Applicant: 国网新疆电力有限公司信息通信公司 , 国家电网有限公司
IPC: G06F40/211 , G06F40/279 , G06F16/35
Abstract: 本发明涉及人工智能技术领域，是一种自然语言处理方法及系统，后者包括输入获取单元、降噪处理单元、清晰语言信息处理单元、匹配答案获取单元和匹配答案输出单元。本发明所述方法通过获取用户输入的自然语言信息；对所述自然语言信息进行降噪处理，得到清晰语言信息；对所述清晰语言信息进行情绪识别和文字转换，得到情绪信息和文字信息；根据所述情绪信息和所述文字信息进行意图识别，并获取匹配答案；将所述匹配答案向用户输出；使得用户的意图能够被真实而有效的理解，从而提高人机交互交流的顺畅性，显著改善人机交互的体验。
-
公开(公告)号：CN119322871A
公开(公告)日：2025-01-17
申请号：CN202411459788.2
申请日：2024-10-18
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06F16/901 , G06F16/903 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F16/58 , G06F16/583 , G06F16/33
Abstract: 本发明公开了基于提示学习与自适应Mamba门控选择融合跨模态哈希检索方法，主要涉及深度跨模态哈希检索领域；包括步骤：S1、将图像数据集及图像数据集对应的类别标签信息分别对应分成：训练集和检索集；S2、对图像信息进行预处理；S3、构建基于提示学习与自适应Mamba门控选择融合跨模态哈希检索架构；S4、利用训练集，通过训练得到模型；S5、将检索集图片输入经过训练的模型；S6、取测试集测试最好的模型权重进行保存，并保存在测试集上表现效果最好的哈希码；本发明能够缓解语义截断的发生，补充上下文语义的缺失，能重新选择融合不同模态特征，以提高对检索结果有利的语义特征权重，降低负面语义信息的权重。
-
公开(公告)号：CN119090057A
公开(公告)日：2024-12-06
申请号：CN202411099494.3
申请日：2024-08-12
Applicant: 国网新疆电力有限公司信息通信公司 , 华北电力大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/241 , G06F18/214 , G06N3/042 , G06N3/0455 , H02J3/00
Abstract: 本发明涉及光伏发电技术领域，是一种用于光伏发电功率预测的时空组合预测模型构建方法、光伏发电功率预测方法及相关装置，前者包括获取训练样本库，并将其划分为训练集、验证集和测试集；结合训练终止条件利用训练集对时空组合预测模型进行训练，其中时空组合预测模型包括改进Pyraformer模型、带有RNN位置编码层的混合跳跃图卷积网络模型和拼接融合模块；利用验证集和测试集分别对训练后的时空组合预测模型进行验证和测试，本发明提出了时空组合预测模型，该模型结合了带有RNN位置编码层的混合跳跃图卷积网络和改进Pyraformer的优势，结合空间相关和时间相关两个方面的预测信息得到最终光伏发电功率预测值，有效提高时空组合预测模型的光伏发电功率预测准确性。
-
公开(公告)号：CN118736349A
公开(公告)日：2024-10-01
申请号：CN202410839202.9
申请日：2024-06-25
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06V10/774 , G06V10/25 , G06V10/44 , G06V10/82 , G06V20/17
Abstract: 本申请提供了一种生成缺陷样本的方法及装置。该方法包括：在缺陷样本生成模型内部：通过VAE网络中的编码网络处理目标图像，得到图像潜在特征；通过扩散模型采样器对图像潜在特征添加噪声，得到图像噪声特征；通过文本编码器处理目标文本，得到文本特征；通过UNet网络处理图像噪声特征和文本特征，得到图像破损特征；通过VAE网络中的解码网络处理图像破损特征，得到目标文本对应的目标部件的破损图像；通过图像融合网络处理破损图像和目标背景图像，得到目标缺陷样本。采用上述技术手段，解决现有技术中生成的电力系统中输电线路上的各种部件缺陷样本质量差的问题。
-
Patent Agency Ranking
公开(公告)号：CN118736223A
公开(公告)日：2024-10-01
申请号：CN202410839228.3
申请日：2024-06-25
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06V10/44
Abstract: 本申请涉及人工智能技术领域，提供了一种导线异常识别方法、装置、电子设备及存储介质。该方法通过使用SAM模型对包含待识别导线的输入图像进行分割，并使用边缘增强单元对SAM模型分割得到的图像进行增强，得到包含待识别导线位置信息的分割图像，然后使用待识别导线位置信息在输入图像中确定目标区域，将目标区域裁剪为多个目标图像块，使用训练好的基于自注意力机制的图像识别模型对该多个目标图像块进行识别，得到导线异常识别结果，在复杂背景图像下仍然能够准确检测出导线异常，且无需大量样本数据进行训练，识别精度较高且成本较低，便于大规模推广应用。
-
公开(公告)号：CN118644684A
公开(公告)日：2024-09-13
申请号：CN202410798274.3
申请日：2024-06-20
Applicant: 国网新疆电力有限公司信息通信公司
Abstract: 本发明涉及一种图像处理技术领域，是一种基于深度学习的图像人体特征提取模型构建方法、提取方法及相关装置，前者包括：获取历史图像样本集，并将其划分为训练样本集、验证样本集和测试样本集；将训练样本集输入MSPFE‑Net网络模型进行训练，输出图像人体特征提取模型；利用验证样本集和测试样本集对图像人体特征提取模型进行再次处理，得到最优的图像人体特征提取模型。本发明引入了条带池化算法，基于条带池化采用长核形状捕获远程依赖关系，窄核形状不仅能聚合局部上下文还可以避免不相关区域的噪声，从而有助于网络提取上下文信息的优点，有效提高了图像特征提取的准确性，提高了图像中人体部分提取精确度和增加了分割效率。
-
公开(公告)号：CN118445700A
公开(公告)日：2024-08-06
申请号：CN202410539079.9
申请日：2024-04-30
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06N3/08
Abstract: 本发明涉及音频信号处理技术领域，是一种基于多模数据的机器异常音频投票检测方法、终端设备及存储介质，其包括以下步骤：建立机器工作音频数据库；建立机器工作的文本数据库；建立拟合原始数据的Gamma分布；建立投票决策系统；建立异常声音检测模型。本发明可以提高异常检测的准确性和鲁棒性，能够更全面地理解机器的运行状况，从而增强异常检测的可靠性，增强对异常事件的敏感性和准确性，可以应对多模态数据融合中的挑战，提高模型在实际中的效能。
-
公开(公告)号：CN118314929A
公开(公告)日：2024-07-09
申请号：CN202410540230.0
申请日：2024-04-30
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G10L25/51 , G10L25/24 , G10L25/30 , G06F18/2433
Abstract: 本发明涉及音频信号处理及异常检测技术领域，是一种基于样本再加权和离群点检测的机器异常音频检测方法、系统、终端设备及存储介质，其使用基于深度神经分类网络的离群点检测，只使用机器运行正常音频进行训练，分类得到机器正常样本的数据分布空间；使用样本再加权的方法，通过学习到权重对任意两个样本进行去相关，解除不相关特征和标签之间的虚假关联；提高了分类效果之后，提取到了更好的正常音频模式，在推理阶段为异常音频分配更高的异常分数。本发明提高模型在不同场景下的泛化能力，提高了机器异常声音检测系统的性能，实现对机器音频信号的异常检测。
-
公开(公告)号：CN117253126A
公开(公告)日：2023-12-19
申请号：CN202311468757.9
申请日：2023-11-07
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06V10/86 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种全局融合交叉自注意力网络的混合架构图像重建方法，属于计算机视觉技术领域，将CNN与Transformer结构融合，提出一种混合架构的全局融合交叉自注意力网络的低分辨率图像重建方法，以便整个网络不仅可以在高层特征中近似原始图像，而且可以在低层特征中近似原始图像，设计全局融合交叉自注意力模块，以使图像的高层和低层特征的都得到充分的交互，并使最终的SR图像更接近原始图像，还引入具有无参数的双线性插值方法，它可以有效地传递大量的信息，从而引导网络的注意力到细致的细节还原上，以获得最终特征。本发明示例的全局融合交叉自注意力网络的混合架构图像重建方法，在图像超分辨率重建领域具有优越性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.063 seconds)
