-
公开(公告)号：CN116760024A
公开(公告)日：2023-09-15
申请号：CN202310742634.3
申请日：2023-06-21
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06 , G06Q50/26 , H02J3/46
Abstract: 本发明涉及一种基于双碳目标下的电网智能调度系统，包括：服务器用于接收和转发各个模块中的数据；能源信息获取模块，用于获取电网中的能源信息；能源数据计算模块，用于提取能源信息中的数据参数，根据提取的数据参数求取充分燃烧参考值；排碳获取模块，用于获取电网的废气信息，将获取的废气信息传输至能源数据计算模块，通过能源数据计算模块计算碳排放量参考值；能源数据计算模块还根据充分燃烧参考值与碳排放量参考值求取排量标准值；数据分析模块，用于获取充分燃烧参考值和碳排放量参考值进行分析，获取给定时间段内燃烧充分且碳排放量的数据参数的分析结果；服务器将分析结果输送至能源调度模块对电网进行调度。
-
公开(公告)号：CN116720585A
公开(公告)日：2023-09-08
申请号：CN202311007721.0
申请日：2023-08-11
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了基于自主可控软硬件平台的低功耗AI模型推理优化方法，具体涉及计算模型领域；是通过采集硬件加速器结合AI模型的能效比、可编辑指数等参数，得到编程能效折衷系数，并评估性能释放调控性能和推理灵活性。满足指导阈值一的硬件加速器纳入扩展演进等级集合，选择优选加速器实现高效且灵活的AI推理。同时，采集实时吞吐量值和能耗值，计算实时推理能效，得到升华系数。升华系数大于等于指导阈值二的硬件加速器纳入扩展演进等级集合，选取性能较好且优化空间大的加速器作为最优加速器，实现高效、灵活的AI推理。综合考虑硬件加速器性能、能效和优化空间，找到最优平衡点，实现高效AI推理。
-
公开(公告)号：CN116521905A
公开(公告)日：2023-08-01
申请号：CN202310786034.7
申请日：2023-06-30
Applicant: 国网信息通信产业集团有限公司 , 福建亿榕信息技术有限公司
Abstract: 本发明涉及电网调度技术领域，公开了一种基于多模态的电网调度知识图谱系统及方法，其中一种基于多模态的电网调度知识图谱系统包括：实体矢量生成模块，其用于生成电网调度知识图谱的实体矢量；随机游走模块，其用于随机游走为实体生成图结构和图结构中的节点矢量；广度矢量计算模块，计算节点在图结构的每层的广度矢量；编码矢量计算模块，基于节点的广度矢量计算对应的实体的编码矢量；推荐模块，其用于计算待推荐的实体与其他实体的编码矢量的相似度，为其推荐相似度最大的前G个实体；本发明能够在进行故障识别处理任务时提高准确度。
-
公开(公告)号：CN115761422A
公开(公告)日：2023-03-07
申请号：CN202211387157.5
申请日：2022-11-07
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
IPC: G06V10/80
Abstract: 本发明涉及一种多样本集融合的图像目标检测方法，包括：利用第一样本集训练第一目标检测模型；利用第二样本集训练第二目标检测模型；利用训练完毕的第一目标检测模型标注第二样本集，得到第二样本集的反向标签数据；利用训练完毕的第二目标检测模型标注第一样本集，得到第一样本集的反向标签数据；融合第一样本集与第二样本集，得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；构建第三目标检测模型；利用全量样本集训练第三目标检测模型；利用训练完毕的三目标检测模型进行多目标检测。
-
公开(公告)号：CN115358952A
公开(公告)日：2022-11-18
申请号：CN202211286525.7
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 中科方寸知微(南京)科技有限公司
IPC: G06T5/00 , G06T7/10 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于元学习的图像增强方法、系统、设备和存储介质，其中方法包括以下步骤：获取一原始图像并进行灰度化处理，从处理后的图像中随机捕获图像块，根据图像特征对捕获到的图像块进行分类，并将分类后的图像块放入至元训练数据集中；构建基于多级编解码结构的元学习网络；随机抽样元训练数据集中不同类别的图像块输入至元学习网络中，输出增强图像，计算对应的增强图像与图像块之间的曝光误差和像素相邻误差，以计算出的曝光误差和像素相邻误差最小为目标对元学习网络进行迭代训练，直至达到迭代结束条件，得到训练好的图像增强网络；将训练好的图像增强网络用于低照度图像的图像增强。
-
Patent Agency Ranking
公开(公告)号：CN112380982A
公开(公告)日：2021-02-19
申请号：CN202011265162.X
申请日：2020-11-13
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Abstract: 本发明提供了电力施工监测技术领域的一种电力行业基建项目进度与质量的一体化监测方法，本发明技术方案采用基于卷积神经网络的深度强化学习模型，先通过影像监控设备收集大量的影像数据，以一个电力基建项目作为一个学习样例，然后利用卷积神经网络抽取影像图片中的目标，如人员，设备，现场施工轮廓等，并结合深度强化学习算法，一体化监测项目进度和质量的情况；卷积神经网络具有表征学习能力，能够按其阶层结构对输入影像信息进行平移、旋转不变分类，有效提取影像目标，实现对目标的实时监控，本发明可对当前的基建施工情况进行监测，不但关注基建的进度，更加重视基建过程中的质量保障问题。
-
公开(公告)号：CN111090675A
公开(公告)日：2020-05-01
申请号：CN201911154529.8
申请日：2019-11-22
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
IPC: G06F16/2455 , G06F16/2453
Abstract: 一种多入口数据缓存方法及存储介质，其中方法包括如下步骤，拦截原缓存调用请求，根据该缓存调用请求生成密钥KEY，所述密钥KEY的生成规则为：入口平台代码+命名空间+类名+命名空间版本号+识别码；使用上述密钥在缓存服务器中进行数据调用，若获取的到数据，则将数据返回，若未命中数据，则直接使用原缓存调用请求获取数据库中数据，并将该数据及对应的密钥KEY存储在缓存服务器中。本发明通过对数据调用的请求进行拦截，然后在缓存服务器中创建识别KEY及对应数据的方式，使得多入口分次调用相同数据的请求不用再多次访问数据库，减少了数据库的代码侵入，并进一步地提高了入口数据调用的效率。
-
公开(公告)号：CN105653649B
公开(公告)日：2019-05-21
申请号：CN201511002761.1
申请日：2015-12-28
Applicant: 福建亿榕信息技术有限公司
IPC: G06F16/951
Abstract: 一种海量文本中低占比信息识别方法及装置，其中方法包括如下步骤，将素材信息分为训练信息和测试信息，将所述素材信息通过特征选择、向量化处理转化成可分析的数学矩阵，代入集成学习模型进行模型训练；所述模型训练包括步骤，根据训练信息构建第一分析模型；将测试信息代入分析模型，对所述第一分析模型的运行效果进行评估，得到评估值，根据评估值调整第一分析模型中各算法的训练信息分配权重得到新的分析模型；本方法解决了大量数据中低占比的少量待识别信息的识别问题。
-
公开(公告)号：CN109597885A
公开(公告)日：2019-04-09
申请号：CN201811511737.4
申请日：2018-12-11
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
IPC: G06F16/338
Abstract: 一种知识地图构建方法及存储介质，其中方法包括如下步骤，识别知识点，通过人工进行部分标注的语料输入基于机器学习的CRF算法模型进行训练，所述CRF算法模型被预置为词性特征倾向、和或信息熵特征倾向、和或全文词频倾向、和或逆文档概率倾向；用训练好的所述模型对特定文档集进行知识点识别，得到知识点集。本发明提出的面向知识搜索的动态知识地图构建方法，不面向特定的业务领域，在不同行业中具备普遍适用性，仅需通过普通标注少量知识点投入的资源少，无监督运行的效果也很好。同时针对不断扩展的企业文档，也能够起到不断进行知识地图结果优化的效果。
-
公开(公告)号：CN118607579A
公开(公告)日：2024-09-06
申请号：CN202410761687.4
申请日：2024-06-13
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了一种基于大语言模型的机器学习算法改进方法及系统，其中方法包括：将分析提示与技术文档输入大语言模型，生成现有机器学习算法的分析结果；基于分析结果，利用大语言模型挖掘潜在的创新点；利用大语言模型通过使用元学习策略，生成新的机器学习算法；结合大语言模型与模型解释工具所述机器学习算法的特征贡献度；利用大语言模型生成模型融合策略，组合多个新生成的机器学习算法的预测结果；利用大语言模型自动生成特征工程策略，将生成的特征工程策略输入自动化特征工具进行特征提取；利用训练与验证数据集对最终的机器学习算法进行训练与评估。本发明通过利用大语言模型分析现有机器学习算法，提高机器学习算法的性能和准确度。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.144 seconds)
