-
公开(公告)号：CN119247401A
公开(公告)日：2025-01-03
申请号：CN202411303948.4
申请日：2024-09-19
Applicant: 北京京航计算通讯研究所
IPC: G01S19/07 , G01S19/37 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种临近空间中的电离层TEC预测方法，属于电离层技术领域。方法包括：获取连续三个时刻的电离层环境数据；其中，电离层环境数据包括：电离层TEC数据和地球磁场数据；将三个时刻的电离层环境数据输入训练好的电离层TEC预测模型，得到下一时刻的电离层TEC数据；其中，电离层TEC预测模型包括编码器、条件生成器和解码器；编码器用于将当前时刻的电离层TEC数据编码得到电离层TEC数据的潜在表示；条件生成器用于对三个时刻的电离层环境数据进行反演编码得到电离层电子密度信息；解码器用于利用电离层电子密度信息从当前时刻的电离层TEC数据的潜在表示中重构出下一时刻的电离层TEC数据。实现了通过反演电离层电子密度信息预测电离层状态。
-
公开(公告)号：CN116581748A
公开(公告)日：2023-08-11
申请号：CN202310590029.9
申请日：2023-05-24
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种联合循环发电站的电能输出预测方法和系统，属于电能预测领域。本发明的方法包括：获得联合循环发电站的历史环境数据和相应的电能输出数据，以及获得联合循环发电站的当前环境数据；基于所述历史环境数据和相应的电能输出数据，基于流形学习算法级联回归埃尔米特多项式拟合模型，得到所述模型各子回归器的回归系数和相关参数；基于所述当前环境数据、所述各子回归器的回归系数和相关参数，预测联合循环发电站的电能输出。本发明方法和系统能够利用环境数据更准确预测联合循环发电站的电能输出数据。
-
公开(公告)号：CN116340386A
公开(公告)日：2023-06-27
申请号：CN202310245628.7
申请日：2023-03-09
Applicant: 北京京航计算通讯研究所
IPC: G06F16/2458
Abstract: 本发明涉及一种分布式AI系统的NFT数据权益鉴定方法和系统，属于NFT数据权益鉴定技术领域，解决了现有技术中缺乏根据数据内容进行NFT权益鉴定的问题。方法包括以下步骤：在分布式AI系统中查找与当前上传的AI数据的类型相同的NFT数据得到待比对NFT数据；计算当前上传的AI数据和每个待比对NFT数据间的重复率；若存在重复率大于第一阈值的待比对NFT数据，则根据重复率将当前上传的AI数据的部分权益归属给重复率大于第一阈值的待比对NFT数据。实现了分布式AI系统的权益快速准确鉴定。
-
公开(公告)号：CN115688789A
公开(公告)日：2023-02-03
申请号：CN202211433871.3
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/295 , G06F40/216 , G06F16/35 , G06F18/214
Abstract: 本发明涉及一种基于动态标签的实体关系抽取模型训练方法及系统，属于数据处理技术领域，解决了现有技术中样本不均衡时关系抽取模型准确率低的问题。包括预处理历史质量问题分析报告，构建样本集，将样本集划分为训练集和测试集；构建PCNN模型，基于训练集训练PCNN模型，根据当前训练结果动态更新各训练样本对应的各关系类别标签值，直至训练结束，得到训练好的PCNN模型；基于测试集验证PCNN模型，当模型准确率小于阈值，根据验证结果更新各关系类别的样本权重，并根据更新后的各关系类别的样本权重扩充训练集，基于扩充后的训练集再次训练PCNN模型，直至模型准确率不小于阈值，得到优化的PCNN模型，作为实体关系抽取模型。实现了关系抽取模型的高准确率。
-
公开(公告)号：CN110855435A
公开(公告)日：2020-02-28
申请号：CN201911114810.9
申请日：2019-11-14
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于无线传感器网络中数据加解密技术领域，具体涉及一种无线传感器网络中基于属性密码体制的访问控制方法。为使通过基站和传感器节点认证的数据用户访问传感器节点的实时数据，且不同类型的数据用户可以被赋予不同的访问权限，而认证不通过的用户则无权访问数据，该方法包括：在无线传感器网络中，预先部署传感器节点和簇头节点；建立传感器节点、簇头节点和基站之间的安全信道；数据用户在基站注册，基站为数据用户生成访问结构和智能卡；数据用户登录无线传感器网络，由基站和簇头节点共同对数据用户的身份进行认证；簇头节点加密实时数据，数据用户解密数据。与现有方案对比，本发明在保障数据安全性的同时，提高了数据访问控制的效率。
-
Patent Agency Ranking
公开(公告)号：CN117056707A
公开(公告)日：2023-11-14
申请号：CN202311092036.2
申请日：2023-08-28
Applicant: 北京京航计算通讯研究所
IPC: G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G01M13/045
Abstract: 本发明涉及一种轴承故障诊断模型的构建方法，属于故障诊断技术，解决了现有技术中轴承故障诊断模型未将工况信息和故障数据相结合在使用时诊断精度及可靠性不高的问题。获取若干时间点的轴承振动信号训练数据构建四个长度相同的时间序列训练数据集；根据四个时间序列训练数据集构建四元组样本对；基于四元组样本对对特征提取器模型进行初步训练；基于四元组样本对初步训练后的特征提取器模型和轴承故障诊断模型同时进行训练；基于至少一个时间序列训练数据集对训练后的故障分类器尾部进行训练，得到训练好的轴承故障诊断模型。实现了结合工况数据和故障数据，通过分析工况参数与故障之间的关系，进一步提高诊断的精确性和可靠性。
-
公开(公告)号：CN116048773A
公开(公告)日：2023-05-02
申请号：CN202211309545.1
申请日：2022-10-25
Applicant: 北京京航计算通讯研究所
IPC: G06F9/50
Abstract: 本发明涉及一种基于波函数坍缩的分布式协作任务指派方法和系统，方法包括以下步骤：对集群中的每个节点进行资源测评，得到每个节点的存储资源值、计算资源值和通信响应频率值；根据当前集群中的闲置节点数和待执行任务的类型确定待执行任务需要的节点数量；获取待执行任务的存储资源预估值、计算资源预估值和通信资源预估值，根据待执行任务需要的节点数量、待执行任务的资源预估值、每个节点的存储资源值、计算资源值和通信响应频率值基于波函数坍缩算法确定待执行任务的执行节点。
-
公开(公告)号：CN110855435B
公开(公告)日：2022-04-19
申请号：CN201911114810.9
申请日：2019-11-14
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于无线传感器网络中数据加解密技术领域，具体涉及一种无线传感器网络中基于属性密码体制的访问控制方法。为使通过基站和传感器节点认证的数据用户访问传感器节点的实时数据，且不同类型的数据用户可以被赋予不同的访问权限，而认证不通过的用户则无权访问数据，该方法包括：在无线传感器网络中，预先部署传感器节点和簇头节点；建立传感器节点、簇头节点和基站之间的安全信道；数据用户在基站注册，基站为数据用户生成访问结构和智能卡；数据用户登录无线传感器网络，由基站和簇头节点共同对数据用户的身份进行认证；簇头节点加密实时数据，数据用户解密数据。与现有方案对比，本发明在保障数据安全性的同时，提高了数据访问控制的效率。
-
公开(公告)号：CN119248986A
公开(公告)日：2025-01-03
申请号：CN202411341167.4
申请日：2024-09-25
Applicant: 北京京航计算通讯研究所
IPC: G06F16/951 , G06F16/29 , G06F18/22 , G06F16/9532
Abstract: 本发明涉及一种基于大语言模型的气象环境情报爬取与分析方法，属于气象数据获取分析技术领域，解决了依靠人工搜索数据获取气象数据效率低，对于非结构化数据无法充分利用的问题。包括：获取气象环境情报爬虫需求、气象环境情报分析需求和气象环境情报报告生成需求，并基于各自预设提示词模板，分级构建气象环境情报爬取提示词、气象环境情报分析提示词和气象环境情报报告生成提示词；基于气象环境情报爬取提示词和预设的气象环境情报提取提示词对数据源网址进行数据爬取，并将爬取结果与ERA5数据集进行相似性度量，得到气象环境情报；基于气象环境情报分析提示词和气象环境情报报告生成提示词，对气象环境情报进行情报分析得到气象环境情报分析报告。
-
公开(公告)号：CN118917412A
公开(公告)日：2024-11-08
申请号：CN202410894307.4
申请日：2024-07-04
Applicant: 北京京航计算通讯研究所
IPC: G06N5/04 , G06N3/0985 , G06N3/0455 , G06N3/048
Abstract: 基于超参数智能寻优的感知模型自推荐方法及装置，大大提升了超参数优化过程中的计算效率与吞吐量，允许模型在大规模数据集和复杂任务中快速迭代，降低了对计算资源的依赖，从而满足了现代AI系统对于高效能和快速响应的需求，显著加速了超参数搜索进程，减少了实际训练开销，使得优化过程更加灵活经济，有助于在有限的时间和资源下探索更广阔的超参数空间。方法包括：(1)设计基于Transformer编码器的策略网络；(2)构建目标性能预测模型；(3)采用近端策略优化算法进行超参数优化。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.031 seconds)
