-
公开(公告)号：CN119398268A
公开(公告)日：2025-02-07
申请号：CN202411534770.4
申请日：2024-10-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多模态融合和动态加权损失的短临降水预测方法。包括以下步骤：首先输入历史雷达和地面站点数据，进行归一化和降采样处理；接着将雷达和地面站点气象要素数据分别输入三层包含上采样和RNN的网络中进行特征编码；然后输入三层包含融合、上采样和RNN的网络进行特征融合与解码。最后在动态加权损失的约束下输出准确的降水预测。该方法实现了对雷达和地面站点气象要素数据的编码、融合和解码。在基于注意力机制的融合网络和动态加权损失的加持下，提高了短临降水预测的准确率，在强降水预测的性能提升更加显著。
-
公开(公告)号：CN119047784B
公开(公告)日：2025-03-28
申请号：CN202411287073.3
申请日：2024-09-13
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06N3/08 , G06F40/186 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于大型语言模型的电动汽车充电站负荷有序调控方法，具体如下：首先，对电动汽车充电站的历史充电负荷时间序列数据进行采集，对历史充电负荷时间序列数据进行归一化处理，其次，对充电负荷时序片段分别采集对应的工作日/节假日、天气、气温、交通状况等环境数据，生成环境数据输入量；然后，以充电负荷时序片段和环境数据作为输入，构造充电负荷时间序列预测模型；构造双重优化目标，对充电负荷时间序列预测模型进行训练，实现对未来充电负荷进行预测；最后，基于所述充电负荷预测结果进行需求响应，并对充电站内充电设施进行调控，以根据所述负荷预测结果实现相应有序充电的优化管理。该方案提高了充电负荷预测的准确性。
-
公开(公告)号：CN119047784A
公开(公告)日：2024-11-29
申请号：CN202411287073.3
申请日：2024-09-13
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06N3/08 , G06F40/186 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于大型语言模型的电动汽车充电站负荷有序调控方法，具体如下：首先，对电动汽车充电站的历史充电负荷时间序列数据进行采集，对历史充电负荷时间序列数据进行归一化处理，其次，对充电负荷时序片段分别采集对应的工作日/节假日、天气、气温、交通状况等环境数据，生成环境数据输入量；然后，以充电负荷时序片段和环境数据作为输入，构造充电负荷时间序列预测模型；构造双重优化目标，对充电负荷时间序列预测模型进行训练，实现对未来充电负荷进行预测；最后，基于所述充电负荷预测结果进行需求响应，并对充电站内充电设施进行调控，以根据所述负荷预测结果实现相应有序充电的优化管理。该方案提高了充电负荷预测的准确性。
-
公开(公告)号：CN117668282A
公开(公告)日：2024-03-08
申请号：CN202311581604.5
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: G06F16/583 , G06F16/532 , G06F16/9032 , G06F18/2431 , G06F18/25 , G06V20/60 , G06V10/42 , G06V10/44 , G06N3/0455 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供一种基于记忆网络和卷积增强的视觉问答处理方法，属于计算机视觉和自然语言处理领域结合的跨模态任务技术领域，通过记忆网络利用与图像相关的历史问题信息从全局角度生成图像的记忆补充特征，从而能够更加有效地利用同一张图像对应的历史问题中的互补信息，为模型提供更加全面和精确的历史记忆。其次应用卷积增强在问题引导的图像特征上进一步提取局部关键信息，随后与图像的记忆补充特征进行重加权融合，使模型在回答问题时更加关注与当前问题最相关的图像部分，从局部角度更精确的提取历史问题的互补信息，提高视觉问答模型的准确率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
