-
公开(公告)号：CN119993301A
公开(公告)日：2025-05-13
申请号：CN202510467532.4
申请日：2025-04-15
Applicant: 之江实验室
IPC: G16C20/10 , G16C20/70 , G06N3/096 , G06N3/0455
Abstract: 本申请提供一种基于领域知识编辑的深度化学反应预测方法及系统。该方法包括：向待预测化学反应的反应数据添加化学反应约束作为动态约束标记，所述待预测化学反应的反应数据包括反应物或产物的SMILES字符串；构建所述反应物或产物的分子图；将所述分子图输入经训练的神经网络深度学习模型，获得符合所述化学反应约束的SMILES序列；对所述符合所述化学反应约束的SMILES序列进行后处理与验证，获得所述待预测化学反应的预测结果。
-
公开(公告)号：CN119207609A
公开(公告)日：2024-12-27
申请号：CN202411728782.0
申请日：2024-11-28
Applicant: 之江实验室
IPC: G16C20/10
Abstract: 本说明书公开了一种化学反应式识别方法、装置、存储介质及设备，服务器可以从文档中智能地自动识别化学反应式，进而能够根据化学反应式中化学分子式的物种名称，精准地获取其相应的SMILES结构信息，并补全化学反应式中缺失的SMILES结构信息，以确保最终生成的是以SMILES形式完整表达的化学反应式。此外，服务器在最终输出以SMILES形式完整呈现的化学反应式之前，进行了化学反应式的有效性验证。从而极大地提升了信息识别的精确度和可靠性。
-
公开(公告)号：CN118053518A
公开(公告)日：2024-05-17
申请号：CN202410451611.1
申请日：2024-04-16
Applicant: 之江实验室
IPC: G16C20/70 , G06N5/025 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及化学工艺时间序列数据因果关系图构建方法、装置和介质，方法包括：将实际的化学工艺时间序列数据集输入因果关系图构建模型，得到实际权重矩阵，转化为因果关系图，因果关系图构建模型的训练过程为：S1、获取训练用的化学工艺时间序列数据集；S2、基于时间卷积网络编码器‑解码器，得到重建特征；S3、将自注意力编码器的输出作为图卷积网络的初始化的邻接矩阵，图卷积网络输出特征矩阵；S4、特征矩阵输入多层感知器网络，输出变量预测值；S5、构建联合损失函数，基于联合损失函数进行迭代训练，得到训练完成的因果关系图构建模型。与现有技术相比，本发明具有提高因果发现的准确性等优点。
-
公开(公告)号：CN119315550A
公开(公告)日：2025-01-14
申请号：CN202411833084.7
申请日：2024-12-13
Applicant: 之江实验室
IPC: H02J3/00 , G06N3/0464 , G06N5/025 , G06N3/049 , G06N3/08
Abstract: 本发明涉及基于因果特征的电力负荷预测方法、装置和介质，方法包括：获取的实际电力负荷影响因素数据，将实际电力负荷影响因素数据输入训练完成的电力负荷预测模型，输出实际的电力负荷预测结果；其中，所述电力负荷预测模型的训练过程为：S1、获取历史电力负荷数据，S2、对所述历史电力负荷数据进行预处理；S3、计算归一化因果熵；S4、构建因果分析神经网络，在因果分析神经网络中将原因序列和对应的因果强度相乘，基于损失函数优化因果分析神经网络，得到电力负荷预测模型。与现有技术相比，本发明具有提高负荷预测结果的可解释性以及准确性等优点。
-
Patent Agency Ranking
公开(公告)号：CN118332354B
公开(公告)日：2024-08-20
申请号：CN202410748715.9
申请日：2024-06-12
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/25 , G06N3/0464 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种考虑设备结构信息的剩余使用寿命预测方法、装置及介质，其中方法包括：获取设备的模块结构信息，以及各模块中所有传感器采集的数据，并获得各传感器的传感器数据；结合各传感器的传感器数据的相似性，构建传感器图；基于传感器图，结合模块结构信息构建模块图；对传感器图和模块图中各节点的特征向量进行编码；对经过编码后的传感器图和模块图，进行一次或多次卷积融合过程以融合传感器图和模块图，得到最终的传感器图和模块图；将最终的传感器图和模块图输入至寿命预测模块，得到设备的剩余使用寿命；与现有技术相比，本发明具有能够利用设备中的模块结构信息和传感数据之间的隐性空间信息以提高预测准确率等优点。
-
公开(公告)号：CN118053518B
公开(公告)日：2024-07-05
申请号：CN202410451611.1
申请日：2024-04-16
Applicant: 之江实验室
IPC: G16C20/70 , G06N5/025 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及化学工艺时间序列数据因果关系图构建方法、装置和介质，方法包括：将实际的化学工艺时间序列数据集输入因果关系图构建模型，得到实际权重矩阵，转化为因果关系图，因果关系图构建模型的训练过程为：S1、获取训练用的化学工艺时间序列数据集；S2、基于时间卷积网络编码器‑解码器，得到重建特征；S3、将自注意力编码器的输出作为图卷积网络的初始化的邻接矩阵，图卷积网络输出特征矩阵；S4、特征矩阵输入多层感知器网络，输出变量预测值；S5、构建联合损失函数，基于联合损失函数进行迭代训练，得到训练完成的因果关系图构建模型。与现有技术相比，本发明具有提高因果发现的准确性等优点。
-
公开(公告)号：CN119315550B
公开(公告)日：2025-03-07
申请号：CN202411833084.7
申请日：2024-12-13
Applicant: 之江实验室
IPC: H02J3/00 , G06N3/0464 , G06N5/025 , G06N3/049 , G06N3/08
Abstract: 本发明涉及基于因果特征的电力负荷预测方法、装置和介质，方法包括：获取的实际电力负荷影响因素数据，将实际电力负荷影响因素数据输入训练完成的电力负荷预测模型，输出实际的电力负荷预测结果；其中，所述电力负荷预测模型的训练过程为：S1、获取历史电力负荷数据，S2、对所述历史电力负荷数据进行预处理；S3、计算归一化因果熵；S4、构建因果分析神经网络，在因果分析神经网络中将原因序列和对应的因果强度相乘，基于损失函数优化因果分析神经网络，得到电力负荷预测模型。与现有技术相比，本发明具有提高负荷预测结果的可解释性以及准确性等优点。
-
公开(公告)号：CN118332354A
公开(公告)日：2024-07-12
申请号：CN202410748715.9
申请日：2024-06-12
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/25 , G06N3/0464 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种考虑设备结构信息的剩余使用寿命预测方法、装置及介质，其中方法包括：获取设备的模块结构信息，以及各模块中所有传感器采集的数据，并获得各传感器的传感器数据；结合各传感器的传感器数据的相似性，构建传感器图；基于传感器图，结合模块结构信息构建模块图；对传感器图和模块图中各节点的特征向量进行编码；对经过编码后的传感器图和模块图，进行一次或多次卷积融合过程以融合传感器图和模块图，得到最终的传感器图和模块图；将最终的传感器图和模块图输入至寿命预测模块，得到设备的剩余使用寿命；与现有技术相比，本发明具有能够利用设备中的模块结构信息和传感数据之间的隐性空间信息以提高预测准确率等优点。
-
公开(公告)号：CN119207609B
公开(公告)日：2025-04-18
申请号：CN202411728782.0
申请日：2024-11-28
Applicant: 之江实验室
IPC: G16C20/10
Abstract: 本说明书公开了一种化学反应式识别方法、装置、存储介质及设备，服务器可以从文档中智能地自动识别化学反应式，进而能够根据化学反应式中化学分子式的物种名称，精准地获取其相应的SMILES结构信息，并补全化学反应式中缺失的SMILES结构信息，以确保最终生成的是以SMILES形式完整表达的化学反应式。此外，服务器在最终输出以SMILES形式完整呈现的化学反应式之前，进行了化学反应式的有效性验证。从而极大地提升了信息识别的精确度和可靠性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
