-
公开(公告)号：CN119290063A
公开(公告)日：2025-01-10
申请号：CN202411279781.2
申请日：2024-09-12
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种临近空间环境数据质量提升方法，属于临近空间环境探测技术领域，解决了现有技术中临近空间环境数据可用性和准确度不高的问题。包括获取待处理的各临近空间环境数据文件；对各临近空间环境数据文件进行解析处理，得到第一临近空间环境数据；对所述第一临近空间环境数据进行异常数据处理，得到第二临近空间环境数据；对所述第二临近空间环境数据进行分辨率处理，得到处理后的临近空间环境数据；其中，所述第一临近空间环境数据包括采集信息和各采集信息下的标准化的临近空间环境参量数据；其中，所述标准化的临近空间环境参量包括经度、纬度、海拔高度和大气参量，所述采集信息包括站点名称、采集设备名称和采集时间。
-
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。
-
公开(公告)号：CN118690064A
公开(公告)日：2024-09-24
申请号：CN202410839092.6
申请日：2024-06-26
Applicant: 北京京航计算通讯研究所
IPC: G06F16/9035 , G06F16/9038
Abstract: 一种高可信部件模型智能匹配与自推荐方法及装置，能够大幅度提高部件模型智能匹配与推荐的准确率。方法包括：(1)获取面向型号产品设计领域的部件需求；(2)开展部件模型数据智能匹配技术研究，通过FP‑Growth方法实现部件数据之间的关联分析，对部件参数、所属型号、产品层级、历史质量问题、研制时间、研制人员多个维度的属性之间的关联性进行挖掘分析，查找具有强关联性的属性；(3)通过协同过滤算法完成依据设计师的感兴趣程度对部件进行排序，同时结合FP‑Growth方法获得部件之间的相关性，生成一个满足用户需求的高可信的部件模型匹配和推荐列表；(4)在用户发起请求后进行自推荐。
-
公开(公告)号：CN118378237A
公开(公告)日：2024-07-23
申请号：CN202410513392.5
申请日：2024-04-26
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于开发平台的微服务组件动态鉴权方法，属于微服务技术领域，解决了现有微服务组件的授权控制不灵活且精细度不高的问题。该方法包括：基于开发平台申请项目时，根据项目信息和选择的各组件生成项目工程和授权文件；选择的各组件中包括鉴权组件；项目工程部署运行时，鉴权组件装载授权文件并验证自身是否具备基础授权，如果具备，其它运行组件将生成的身份令牌与其在服务注册中心注册的服务名称一起作为待验证的组件信息发送给鉴权组件；鉴权组件获取服务注册中心的服务实例信息，对待验证的组件信息进行验证，对未授权的运行组件的服务实例和超过实例授权数的服务实例进行强制下线。实现了对微服务组件的动态授权和精细化控制。
-
Patent Agency Ranking
公开(公告)号：CN118365207A
公开(公告)日：2024-07-19
申请号：CN202410569235.6
申请日：2024-05-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/0639 , G06Q10/105 , G06N20/00
Abstract: 本发明涉及一种基于训练大数据的指挥管理人员评价系统，包括数据采集层、数据存储层、数据分析层和数据展示层；数据采集层用于对接入的多源训练大数据进行抽取、转换与数据集成，得到对指挥管理人员进行能力画像所需的多维画像源数据；数据存储层，用于对多维画像源数据进行存储和管理；数据分析层，用于根据数据存储层中的多维画像源数据进行指挥管理人员的画像分析，量化出包括表彰情况、任职经历、实操情况、装备使用、训练能力与考核能力在内的多维能力标签；数据展示层，用于根据量化出的多维能力标签进行指挥管理人员能力画像的展示。本发明对指挥管理人员进行能力画像，全面、客观和综合评价指挥管理人员能力。
-
公开(公告)号：CN113987477B
公开(公告)日：2024-07-19
申请号：CN202111247976.5
申请日：2021-10-26
Applicant: 北京京航计算通讯研究所
IPC: G06F21/55
Abstract: 一种分布式AI系统的防投毒方法和系统，方法包括：接收各客户端节点发送的提交数据，基于提交数据更新中心模型，根据中心模型的误差与预期误差的差距判断当前系统是否存在中毒迹象，若否，则根据预定的策略对中心模型做镜像并通知各客户端节点清空缓存并重新进行数据缓存，缓存数据包括客户端节点的原始数据、处理算法和中间数据；否则，获取上一次模型镜像到当前时刻所有提交数据的客户端节点，并将该客户端节点作为风险节点，根据中心模型的误差与预期误差的差距计算风险节点的风险概率，基于风险概率获取风险节点的累计风险概率，根据累计风险概率对风险节点进行巡检，若存在中毒节点则将中毒节点下线，将中心模型恢复为上一次镜像的模型。
-
公开(公告)号：CN115688789B
公开(公告)日：2024-04-02
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：CN117493934A
公开(公告)日：2024-02-02
申请号：CN202311515292.8
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: G06F18/24 , G06N3/0464 , G06F18/214 , G06N3/08 , G06F18/213 , G06Q10/0639
Abstract: 本发明涉及一种用于质量缺陷类别识别模型的训练方法及装置，属于装备检测技术领域，解决了现有技术中识别模型识别不准确的问题。所述训练方法包括：获取若干个正常类别样本和若干个缺陷类别样本；按照模型训练集中预设正常样本比例从正常类别样本中取样，得到正常样本训练集；按照模型训练集中预设缺陷样本比例对缺陷类别样本进行扩充得到新增缺陷类别样本，原始缺陷类别样本和新增缺陷类别样本形成缺陷样本训练集；建立质量缺陷类别识别模型；根据模型训练集中的各个样本对质量缺陷类别识别模型进行训练，得到训练完成的质量缺陷类别识别模型。实现了识别模型对装备质量的精准识别。
-
公开(公告)号：CN117272796A
公开(公告)日：2023-12-22
申请号：CN202311203706.3
申请日：2023-09-18
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06N3/092 , G06N3/0499
Abstract: 本发明涉及一种发动机燃烧场自动控制模型构建方法，包括：接收智能体的经验数据；包括：智能体当前周期的状态空间s、智能体策略网络基于所述当前周期的状态空间生成的发动机仿真环境动作空间a、基于发动机仿真环境动作空间确定的智能体下一周期的状态空间s’、基于下一周期的状态空间所确定的奖励信息r及结束信号d；将经验数据 存入经验池；经验池中经验数据达到预设数据量时，从经验池中获取经验数据作为训练数据，训练智能体得到发动机燃烧场自动控制模型。实现了通过构造发动机燃烧场自动控制模型精确控制及调整发动机燃烧场的多个关键参数使得发动机燃烧过程能够更加准确地达到预期的目标压力值。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.039 seconds)
