-
公开(公告)号：CN111476392A
公开(公告)日：2020-07-31
申请号：CN201911237142.9
申请日：2019-12-05
申请人： 国网浙江省电力有限公司温州供电公司 , 浙江大学 , 国网浙江省电力有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
摘要： 本发明公开了基于社会感知的计量装置时钟误差趋势预测方法，涉及电力运维领域。已有工作均只能解决特定场景的时钟误差问题，不够通用化。本发明采用时序演化基因模型，其对于电表时钟误差，在一定窗口上划分成若干子序列，模型可以分析窗口子序列误差变化的特征，通过模型的分类器，将具有类似分布的子序列分到一块；通过生成对抗网络，挖掘生成这些子序列分布特征的基因；组合历史上各个子序列的基因，通过循环神经网络分析其演化过程，分析其演化模式，预测其将来的时钟误差走势。本技术方案不局限于特定装置与造成误差的原因，可以自适应于不同的场景，从而提供更为通用的方案，解决泛化的电能装置时钟误差问题。
-
公开(公告)号：CN117034002A
公开(公告)日：2023-11-10
申请号：CN202310771251.9
申请日：2023-06-28
申请人： 国网浙江省电力有限公司温州供电公司 , 浙江大学 , 浙江华云信息科技有限公司
IPC分类号： G06F18/214 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于多源信息的窃电行为检测方法，涉及电网运维领域。目前，对不同城市进行窃电行为检测时，往往都需要重新获取该城市的相关数据并重新训练一个模型。本发明包括步骤：获取数据；将数据输入训练好的窃电行为检测模型中，进行窃电行为检测；窃电行为检测模型训练时先在具有较多标注数据的地区训练一个窃电行为检测模型；接着，在目标地区，对已经训练好的模型进行域适应，使其适用于该地区，形成适用于目标地区的窃电行为检测模型；窃电行为检测模型输出每个用户可能进行窃电的概率，从而实现窃电行为的精准预测。本发明对已经训练好的模型进行域适应，使其适用于该地区，实现在缺乏标注数据的目标地区的窃电行为检测。
-
公开(公告)号：CN111090679B
公开(公告)日：2023-12-05
申请号：CN201911055610.0
申请日：2019-10-31
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司 , 浙江大学 , 国网浙江长兴县供电有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06F18/214 , G06N20/00
摘要： 本发明公开了基于时序影响和图嵌入的时序数据表示学习方法，涉及一种学习方法。目前的模型都没有考虑子序列对时间信息的敏感性及子序列之间的相关性，会影响对子序列的演化、整个时间序列的演化趋势进行准确地分析和预测。本发明挖掘具有时序影响因子的、具有代表性的子序列，并通过构建时序演化图进一步提取子序列之间的相关性和影响；通过图嵌入算法对时序演化图进行表示学习，得到子序列的表示向量，进而对原时间序列进行表示学习，解决对时间序列的特征提取这一问题。能在复杂的时序数据中挖掘足够多的信息，能充分刻画子序列在时间维度和所在的特征空间内的特征，以辅助我们对时间序列进行分类和异常预测。
-
公开(公告)号：CN111090679A
公开(公告)日：2020-05-01
申请号：CN201911055610.0
申请日：2019-10-31
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司 , 浙江大学 , 国网浙江长兴县供电有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06K9/62 , G06N20/00
摘要： 本发明公开了基于时序影响和图嵌入的时序数据表示学习方法，涉及一种学习方法。目前的模型都没有考虑子序列对时间信息的敏感性及子序列之间的相关性，会影响对子序列的演化、整个时间序列的演化趋势进行准确地分析和预测。本发明挖掘具有时序影响因子的、具有代表性的子序列，并通过构建时序演化图进一步提取子序列之间的相关性和影响；通过图嵌入算法对时序演化图进行表示学习，得到子序列的表示向量，进而对原时间序列进行表示学习，解决对时间序列的特征提取这一问题。能在复杂的时序数据中挖掘足够多的信息，能充分刻画子序列在时间维度和所在的特征空间内的特征，以辅助我们对时间序列进行分类和异常预测。
-
公开(公告)号：CN110490329A
公开(公告)日：2019-11-22
申请号：CN201910604895.2
申请日：2019-07-05
申请人： 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司丽水供电公司 , 国网重庆市电力公司电力科学研究院
摘要： 本发明公开了一种基于机器学习的大规模电力异常数据检测方法及系统。本发明的大规模电力异常数据检测方法，其包括步骤：1)输入待检测的用户数据记录；2)提取用户数据的相关特征；3)将特征输入多层感知机神经网络模型；4)输出检测概率，并基于最小化损失函数调整多层感知机神经网络模型参数。本发明采用能够探测出电力异常数据的多层感知机神经网络模型，基于海量的含有异常信息的采集数据，挖掘与数据发生采集异常存在因果关系的元素，对电力采集数据的异常状态进行探查，可以对通用类型的数据异常进行有效检测。
-
公开(公告)号：CN110457295A
公开(公告)日：2019-11-15
申请号：CN201910604916.0
申请日：2019-07-05
申请人： 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司丽水供电公司 , 国网重庆市电力公司电力科学研究院
IPC分类号： G06F16/215 , G06F16/23 , G06N3/04 , G06Q50/06
摘要： 本发明公开了一种基于社会关系感知的时序数据补全系统。本发明采用的时序数据补全系统包括社会注意力网络和时序注意力网络；在社会注意力网络中，首先计算每个邻居节点对应时序数据的固定大小的记忆表示矩阵，并拼接所有邻居节点的记忆矩阵结合当前隐层的状态得到社会关系上下文向量；在时序注意力网络中，直接计算用户的记忆表示，并结合当前隐层状态得到时序上下文向量；最后将当前隐层状态向量、社会关系上下文向量和时序上下文向量拼接起来，经过非线性变化得到补全值。本发明自适应于各种存在社会关系上下文的时序数据场景，从而提供更为通用的方案，解决泛化的社会关系上下文中的时序数据补全问题。
-
公开(公告)号：CN114519108B
公开(公告)日：2024-10-11
申请号：CN202210060374.7
申请日：2022-01-19
申请人： 浙江大学
IPC分类号： G06F16/36 , G06F16/335 , G06F16/38 , G06N20/00
摘要： 本发明公开了一种推荐架构下的基于对比学习调优的论文作者消歧方法。本发明将论文作者消歧任务抽象为单塔推荐架构下的推荐排序问题。提出基于Wide&Deep推荐架构的排序算法解决基于表示的深度学习模型的语义漂移问题，实现基于多字段多实例注意力机制的深度模型与基于特征工程的线性模型相结合，使模型同时具备较强的泛化能力与记忆能力。此外，注意到真实匹配对之间应存在一定潜在模式的数据特点，针对性提出一种对比学习调优算法，引入对比学习损失，构建对比学习的正负样本，促使模型学习区分真实匹配对的高层次特征。
-
公开(公告)号：CN118115624A
公开(公告)日：2024-05-31
申请号：CN202410536662.4
申请日：2024-04-30
申请人： 浙江大学
IPC分类号： G06T11/00 , G06F40/295
摘要： 本发明公开了一种基于稳定扩散模型的图像分层生成系统、方法及装置，包含三个模块：用户输入模块：接受和处理用户输入；粗遮罩提取模块：接受用户输入模块处理后的输入文本生成描述的图像，以及图像中每个需要分层物体的粗遮罩；图像分层重绘模块：修复粗遮罩提取模块处理后的文本描述图像以及粗遮罩生成精细遮罩以及图片的多层分层结果。本发明能够让扩散模型拥有多层生成的能力，解决了扩散模型无法实现多层图片生成的问题，提升了扩散模型在专业艺术、影视等需要严谨图像细节领域的可应用性。
-
公开(公告)号：CN115293959A
公开(公告)日：2022-11-04
申请号：CN202210861710.8
申请日：2022-07-20
申请人： 浙江大学
IPC分类号： G06T3/00 , G06V10/774 , G06V10/764 , G06T9/00 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于跨媒体解纠缠表示学习的风格化图像描述生成方法。本发明分别从图像和描述文本中使用了两个解纠缠表示学习模块非对齐地学习解纠缠表示来分别学习图像和图像描述中解纠缠的事实信息和风格信息。在推理阶段，模型利用图像描述生成解码器以及一种特别设计的基于胶囊网络的信息聚合方法来充分利用先前学习的跨媒体信息表示，并通过直接控制隐层向量来生成目标风格的图像描述。和现有技术相比，本发明利用了解纠缠表示学习的技术提升了模型的可解释性和可控性。模型的跨媒体解纠缠表示可以带来更好的风格化图像描述生成性能，相对于现有的先进风格化图像描述生成模型，技术可在多个指标上的获得性能提升。
-
公开(公告)号：CN106951554B
公开(公告)日：2021-04-20
申请号：CN201710198955.6
申请日：2017-03-29
申请人： 浙江大学
IPC分类号： G06F16/953 , G06F16/33 , G06F16/34 , G06F16/35
摘要： 本发明公开了一种层次化新闻热点及其演化的挖掘与可视化方法。包括如下步骤：1).利用概率主题建模技术挖掘由抽象到具体的具有层次化结构的新闻热点。2).提出全新的“Nested‑circle”可视化布局对层次化的新闻热点进行可视化。3).利用相对熵方法挖掘相邻时间片同一粒度的层次化新闻热点的关联性，即新闻热点在时序上的演化行为。4).采用动态可视化技术呈现新闻热点在时序上的演化行为。5).结合上述层次化新闻热点及其演化的挖掘与可视化技术，集成了“层次化新闻热点及其演化的分析系统”，方便读者分析层次化新闻热点及其演化。
-
-
-
-
-
-
-
-
-
搜索结果
376 条记录 (耗时 0.097 秒)
