-
公开(公告)号：CN119337196A
公开(公告)日：2025-01-21
申请号：CN202411191847.2
申请日：2024-08-28
Applicant: 杭州熔合智造科技有限公司
IPC: G06F18/241 , G06N3/084 , G06N3/0464 , G06F18/25
Abstract: 本发明公开了一种基于在线深度学习的非侵入式电动自行车识别方法，包括如下步骤：步骤一，采集电动自行车的电流电压数据；步骤二，构建基于特征融合的在线深度学习非侵入式电动自行车识别模型；步骤三，设置ElasticFace‑Cos损失函数对步骤二构建的模型进行预训练；步骤四，对经过步骤三预训练后的模型进行进一步训练；步骤五，从测试集中随机选取的一个样本，输入到训练好的模型中，判断输出的具体类别是否为电动车。本发明的基于在线深度学习的非侵入式电动自行车识别方法，通过在线学习的方式，可以准确有效的实现对于电动自行车充电的识别。
-
公开(公告)号：CN118353984B
公开(公告)日：2024-09-06
申请号：CN202410777348.5
申请日：2024-06-17
Applicant: 杭州熔合智造科技有限公司
IPC: H04L69/22 , G06F18/214
Abstract: 本发明公开了一种基于OSRBLS与嵌入标注的未知协议解析方法和系统，属于通信技术领域。包括：获取目标协议报文信息并处理为矩阵化报文数据；采用OSRBLS协议识别模型获取矩阵化报文数据的嵌入特征，识别协议类别；当识别为已知类别时，按照规范格式生成解析结果；当识别为未知协议时，将新类别未知协议更新至OSRBLS协议识别模型，同时采用字段解析模型生成新类别未知协议的字段解析结果，并记录新类别未知协议规范格式；所述的字段解析模型以矩阵化报文数据和相似嵌入矩阵作为输入，以矩阵化字段解析结果为输出。本发明解决了传统的工控协议解析方法因为当下生产环境的复杂化以及工控协议的私有化不再适用的问题。
-
公开(公告)号：CN118133190A
公开(公告)日：2024-06-04
申请号：CN202410539115.1
申请日：2024-04-30
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F18/2431 , G06N3/084 , G06N3/096
Abstract: 本发明的基于BN关系网络的负荷识别模型构建方法及负荷识别方法，针对当前非侵入式负荷识别方法在实际应用过程中可迁移性较差，在新的电器品牌和住房条件上模型泛化性能低，提出了一种基于自适应批标准化（Batch Normalization，BN）关系网络的非侵入式负荷识别方法，改善了不同数据集之间的模型泛化性能，并且在实际应用中只需要少量的标签数据。
-
公开(公告)号：CN116628328A
公开(公告)日：2023-08-22
申请号：CN202310572045.5
申请日：2023-05-18
Applicant: 浙江大学 , 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F16/9535 , G06F40/284 , G06F40/30 , G06F18/213 , G06F18/25 , G06F16/901 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于功能语义和结构交互的WebAPI推荐方法，属于Web环境中WebAPI推荐技术领域。它解决了现有Mashup服务需求描述过短等问题。本基于功能语义和结构交互的WebAPI推荐方法，步骤S1：采集现有Mashup应用及其相关的API服务中的描述数据，并提取获取Mashup应用文本描述信息及API服务文本描述信息；步骤S2：针对Mashup应用及API服务的文本描述信息进行预处理；步骤S3：针对Mashup应用中使用的API服务之间的协作关系，构建Mashup‑API二部图；步骤S4：构建功能性语义组件，提取文本描述信息中的功能性语义特征；步骤S5：构建结构性交互组件，提取稀疏交互中的潜在隐性相关性；步骤S6：融合多模型训练，集成不同类型的特征描述。本发明具有降低了数据稀疏性对推荐结果的影响等优点。
-
公开(公告)号：CN116611431A
公开(公告)日：2023-08-18
申请号：CN202310496212.2
申请日：2023-05-05
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F40/284 , G06F40/211 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于联合模型的声明验证方法，包括以下步骤：获取标注数据集和证据语料库，所述标注数据集包含多个已标注谣言标签的声明数据，基于所述声明数据从证据语料库中获取相关的Top‑K个备选证据，组成训练集；构建基于注意力机制的深度学习网络，所述深度学习网络包括备选证据选择模块，证据选择模块，理由选择模块以及声明验证模块；采用训练集对深度学习网络进行训练，以获得用于声明验证的验证模型；将待验证的声明数据输入至所述验证模型中，以获得包含真伪判断和判断依据的验证结果。本发明还提供了一种声明验证装置。本发明提供的方法在输出验证结果的同时，给出支撑论据，能够更好的帮助区分谣言。
-
Patent Agency Ranking
公开(公告)号：CN119338881A
公开(公告)日：2025-01-21
申请号：CN202411191849.1
申请日：2024-08-28
Applicant: 杭州熔合智造科技有限公司
IPC: G06T7/60 , G06N3/084 , G06N3/0464 , G06T7/11 , G06T7/593 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度视觉相机的三维物体尺寸测量方法，通过步骤一到步骤二的步骤实现了数据的采集和模型的再训练，步骤三到步骤六的步骤是对初始数据的处理，包括数据滤波，3d边缘分割，直线拟合等操作得到具体的物体尺寸参数，步骤七是可视化操作，将拟合得到的平面展现到二维图像中去。
-
公开(公告)号：CN118332457B
公开(公告)日：2024-09-06
申请号：CN202410777471.7
申请日：2024-06-17
Applicant: 杭州熔合智造科技有限公司
IPC: G06F18/2431 , G06F18/214 , G06F18/25 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征融合和对比学习的非侵入式负荷识别方法和系统，属于非侵入式负荷识别领域。采集用电设备的电流电压数据，截取开关事件前后的稳态电压电流及电器状态转换过程中的暂态电压电流，分别计算开关事件前后的稳态有功功率序列和n次谐波暂态有功功率序列；根据开关事件前后的稳态有功功率序列和n次谐波暂态有功功率序列计算稳态特征和暂态特征，作为用电设备特征；将待测电器的用电设备特征与已知类别电器的用电设备特征组成样本对，利用基于特征融合注意力机制和卷积块注意力机制的非侵入式负荷识别模型预测样本对相似度，根据相似度识别待测电器类型。本发明提升了不同种类但功率相近的电器识别效果，提升了识别准确率。
-
公开(公告)号：CN116627693A
公开(公告)日：2023-08-22
申请号：CN202310574100.4
申请日：2023-05-18
Applicant: 浙江大学 , 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F11/07 , G06F11/30 , G06F11/34 , G06F18/2135 , G06F18/214 , G06F18/2415 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种微服务系统中的故障检测方法，属于计算机异常检测技术领域。它解决了异常检查方法大多数为开发人员进行规则过滤并设置阈值等问题。本微服务系统中的故障检测方法包括以下步骤：S3.1：获取目标系统的分布式跟踪数据，并通过所述分布式跟踪数据进行构建，构建出服务调用链；S3.2：获取目标系统的监控数据，使用PCA方法进行降维获得监控数据向量；S3.3：将所述的监控数据向量作为所述服务调用链的权重嵌入服务调用链中；S3.4：将聚合后的服务调用链作为异常检测模型的输入，得到所述异常检测模型输出的对所述目标系统的异常检测结果。本发明具有能降低了对分析人员的专业性要求，能够在提升系统的异常检测效率，降低实现难度和成本等优点。
-
公开(公告)号：CN116610922A
公开(公告)日：2023-08-18
申请号：CN202310856650.5
申请日：2023-07-13
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F18/20 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多策略的非侵入负荷识别方法和系统，包括：将一段待检测电流数据输入至用非侵入式负荷识别模型进行识别：（A）若事件识别模块识别到待检测电流数据中不存在开关事件，则输出多目标识别模块的识别结果；（B）若存在开关事件，（B‑1）若为关闭事件，则输出多目标识别模块的识别结果；（B‑2）若为打开事件，则通过开集识别模块识别打开的用电器是否为集外用电器，（B‑21）若不是集外用电器，则输出多目标识别模块的识别结果；（B‑22）若是集外用电器，对当前待检测电流数据进行标注并保存至训练数据集中；定期采用更新后的训练数据集对非侵入式负荷识别模型进行训练。本发明识别速度快、建模数据量小，单次可识别多种用电器类别。
-
公开(公告)号：CN118133190B
公开(公告)日：2024-08-13
申请号：CN202410539115.1
申请日：2024-04-30
Applicant: 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F18/2431 , G06N3/084 , G06N3/096
Abstract: 本发明的基于BN关系网络的负荷识别模型构建方法及负荷识别方法，针对当前非侵入式负荷识别方法在实际应用过程中可迁移性较差，在新的电器品牌和住房条件上模型泛化性能低，提出了一种基于自适应批标准化（Batch Normalization，BN）关系网络的非侵入式负荷识别方法，改善了不同数据集之间的模型泛化性能，并且在实际应用中只需要少量的标签数据。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.034 seconds)
