-
公开(公告)号：CN118967156A
公开(公告)日：2024-11-15
申请号：CN202411014278.4
申请日：2024-07-26
Applicant: 中国科学院地理科学与资源研究所 , 中国科学院计算机网络信息中心
IPC: G06Q30/018 , G06F18/214 , G06F18/25 , G06F18/2415 , G06N3/0442
Abstract: 一种陆地生态系统碳源汇迭代同化预测的方法，应用于陆地生态系统中碳源汇的迭代预测，包括：对目标区域的气象数据与碳数据进行采集，确定数据集合；通过数据集合中的数据，训练气象模型，通过训练完成的气象模型对气象数据进行预测，确定预测的气象数据；通过数据集合中的数据，训练碳循环模型，将预测的气象数据输入训练完成的碳循环模型，对碳通量和碳储量进行预测，确定碳循环同化数据；通过当前获取的气象数据，不断迭代更新气象模型，通过更新后的气象模型，对气象数据重新预测；基于重新预测的气象数据，更新碳循环同化数据。本方法通过观测到的碳数据来同化碳循环模型的模型参数，实现模型数据融合，进而实现对短期的碳源汇进行有效预测。
-
公开(公告)号：CN118821941A
公开(公告)日：2024-10-22
申请号：CN202410825709.9
申请日：2024-06-25
Applicant: 中国科学院计算机网络信息中心
IPC: G06N5/04
Abstract: 本申请提供了一种理性思考的方法，应用于大语言模型，方法包括：确定结构化流程，结构化流程包括：识别任务中的关键信息，关键信息包括关键词和潜在的问题类型；根据关键信息将任务拆分为多个子任务；获取与每个子任务的答案相关的先验信息；根据先验信息反思关键信息和多个子任务中每个子任务的有效性和合理性，纠正潜在的问题类型和逻辑漏洞；基于反思的结果对每个子任务进行推理和逻辑计算；评估每个子任务的初步答案，整合后确定合理的答案；将结构化流程整合到决策过程中，使得大语言模型在接收到任务后，执行结构化流程，输出合理的答案。
-
公开(公告)号：CN118588215A
公开(公告)日：2024-09-03
申请号：CN202410727616.2
申请日：2024-06-06
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种材料晶体结构的特征表征方法及系统，涉及晶体结构特征表征技术领域。首先构建数据集，包括材料结构信息以及性能特征信息；对材料结构信息进行初步信息提取和信息扩展，得到晶体结构信息、能带结构信息和结构成分信息，信息组合后作为初始特征基组；根据初始特征基组，计算得到结构特征基组和能带特征基组，作为完备特征基组；构建深度学习神经网络模型，以初始特征基组作为输入，以完备特征基组为输出，以性能特征信息为目标值，得到特征表征模型；提取目标材料的晶体结构信息、能带结构信息，输入特征表征模型中，得到目标晶体结构的完备特征基组。本发明综合考虑了结构的形貌和周期性特征，实现材料晶体结构的高效高精度表征。
-
公开(公告)号：CN112016232B
公开(公告)日：2024-06-14
申请号：CN202010894719.X
申请日：2020-08-31
Applicant: 中国原子能科学研究院 , 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种撕裂有限元过程处理方法及系统，其中，该方法应用于由多个计算节点构成的撕裂有限元过程处理系统，该系统中的每个计算节点开启1个进程，每个进程开启T个线程，处理Y个子域；N个线程使用第一处理器，调用第一数学库，进行求解器的矩阵运算；T‑N个线程使用第二处理器，调用第二数学库，进行求解器的矩阵运算。本发明将求解器中的矩阵计算移植到第一处理器上进行，提升了HTFETI的求解速度。
-
公开(公告)号：CN115081586B
公开(公告)日：2023-03-31
申请号：CN202210547025.8
申请日：2022-05-19
Applicant: 中国科学院计算机网络信息中心
Abstract: 本申请提供一种基于时间和空间注意力的短期时序预测方法及系统，其中，方法包括，获取历史时间步长的预测目标数据和相关外源特征的数据作为第一、第二序列，历史时间步长内与预测目标具有空间相关性的第三序列，未来时间步长内对相关外源特征进行科学预测得的第四序列；对第四序列在第一、第二序列中提取时间相似趋势得到第五序列；对第五序列提取周期性并进行映射生成目标预测数据；提取第三序列中的空间相关性嵌入到目标预测数据中得到未来时间步长内的时空相关性编码数据；对第一序列、第二序列提取时间相关性并嵌入到时空相关性编码数据得到短期时序预测数据。本发明实现了对预测数据的时间、空间关联，提高了预测数据的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115860992A
公开(公告)日：2023-03-28
申请号：CN202310029931.3
申请日：2023-01-10
Applicant: 中国科学院计算机网络信息中心
IPC: G06Q50/18 , G06Q10/0639
Abstract: 本发明公开了一种企业知识产权绩效评价方法及系统，涉及知识产权评价技术领域。具体步骤为：构建企业知识产权排名决策的层次结构模型；根据层次结构模型自动建立对应阶数的判断矩阵；对判断矩阵进行权重计算及一致性校验，计算每个矩阵的最大特征值以及所述最大特征值对应的特征向量，特征向量归一化后的各个数值占比即为指标中元素相对于上一级指标的权重；分别计算出判断矩阵中每个指标的权重，依次相加得到总分数；根据所述总分数对企业知识产权绩效进行定量评价。本发明解决了现有技术中指标无法调整，综合评价不够准确的问题。同时，该系统提出的指标自动分类及权重计算方法极大的降低了管理人员、评价人员的使用门槛，具有实用性。
-
公开(公告)号：CN114743072A
公开(公告)日：2022-07-12
申请号：CN202210571113.1
申请日：2022-05-24
Applicant: 中国科学院计算机网络信息中心
IPC: G06V10/774 , G06V10/80 , G06K9/62 , G06N20/00
Abstract: 本发明涉及一种短期时间序列预测模型的训练方法，方法包括：输入具有不同特征的带有时间属性的历史图像数据；使用双流时空运动特性识别方法对所述图像数据进行特征提取，得到不同图像数据的特征；将不同图像数据的特征进行张量拼接，得到多种因子图像特征矩阵；将历史目标实测数据、历史理想外源辅助数据与历史实际外源辅助数据的差值、以及多种因子图像特征矩阵进行拼接，得到第一样本数据；以未来目标实测数据作为第一标签数据，使用Transformer预测出第一预测数据，将所述第一预测数据与所述第一标签数据使用损失函数计算第一预测损失，并向使所述第一预测损失减小的方向进行迭代训练，得到训练完成的模型。
-
公开(公告)号：CN113128762B
公开(公告)日：2022-05-10
申请号：CN202110419476.9
申请日：2021-04-19
Applicant: 中国科学院计算机网络信息中心
IPC: G06Q10/04 , G06F16/2458 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种多源异构数据的短期光伏发电功率预测方法及系统，该方法包括：接收非结构化数据的输入，经过Res‑Unet模型得到未来非结构化数据特征图，其中特征图作为解码器中注意力机制和长短期记忆网络模块的输入；所述编码器模块同时接收结构化数据的输入，经过编码器模块的长短期记忆网络和注意力机制模块后，得到结构化数据特征图，然后与非结构化数据特征图融合，输入到解码器模块；接收结构化数据特征图与非结构化数据特征图融合后的特征，通过注意力机制和长短期记忆网络模块对其解码后，得到未来时刻的光伏出力。
-
公开(公告)号：CN111831808B
公开(公告)日：2022-04-22
申请号：CN202010688463.7
申请日：2020-07-16
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种数据驱动的人工智能材料预测系统，所述系统至少包括：用户交户层，配置为根据用户选择，确认通过构建新的材料预测模型,或使用已有材料预测模型，进行材料性质预测；以及，接受用户输入的材料特征量；自动特征层,配置为根据输入的材料特征量,解析材料基元信息，材料基元信息包括材料组成元素、结构矩阵、工艺参数；以及，通过用户输入和自动检索，完善材料特征量维度；模型及自动训练层，配置为根据材料特征量，调用已有预测模型，预测材料性质；或根据材料特征量，和预测目标向量，自动选择预测模型的构成方式，建立新的材料预测模型，训练所述新的材料预测模型，根据训练完成的所述新的材料预测模型，预测材料性质。
-
公开(公告)号：CN111476030B
公开(公告)日：2022-03-15
申请号：CN202010382568.X
申请日：2020-05-08
Applicant: 中国科学院计算机网络信息中心
IPC: G06F40/289 , G06F40/30 , G06F40/216 , G06F16/33
Abstract: 本发明涉及一种基于深度学习的前瞻因子筛选方法,包括：通过分词，词频统计和词性分析得到因子数据库中的各个因子关键字，并建立因子黑名单；在行业数据库中查询得到行业的时间序列数据；在图表数据库中查询得到该行业的研报图表；通过字符识别技术，得到行业研报图表中的文字信息；通过分词、词频统计和词性分析得到行业研报图表中的关键字，并建立研报黑名单；逐条将行业研报图表关键字和因子关键字进行匹配，得到与该行业相关的因子数据；针对行业数据和因子数据，通过滑动窗口时差相关系数均值计算和先行判定得到行业相关因子和最优先行阶数列表；针对得到的列表，通过单因素方差分析进行去共线性分析，筛选因子列表得到该行业的前瞻因子。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.036 seconds)
