-
公开(公告)号：CN111767326A
公开(公告)日：2020-10-13
申请号：CN202010914927.1
申请日：2020-09-03
申请人： 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC分类号： G06F16/2458 , G06F16/28 , G06F16/22 , G06K9/62
摘要： 本申请属于数据生成技术领域，具体涉及一种基于生成式对抗网络的关系型表格数据的生成方法及装置。其中的方法包括：获取包括可分类数据、数字型数据、顺序型数据的原始的关系型表格数据；选择能唯一确定实体的可分类数据以确定相应的实体，将唯一确定实体的可分类数据作为实体标识属性；将包含实体标识属性的可分类属性元组作为条件信息，将随机噪声向量作为输入，通过预先训练的数据生成模型得到生成的关系型表格数据。本申请中的方法能同时学习离散分布与连续分布，抓取记录之间的关联；同时抓取实体层面多条记录的潜在趋势，准确生成与原数据分布近似的假数据，且数据的分布在表格层面拟合真实数据集。
-
公开(公告)号：CN111767324A
公开(公告)日：2020-10-13
申请号：CN202010914904.0
申请日：2020-09-03
申请人： 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC分类号： G06F16/2458 , G06K9/62
摘要： 本申请实施例提出了一种智能关联的自适应数据分析方法及装置，包括处理初始高维时间序列得到时序数据，构建每条时序数据相对于与其他时序数据的关联性向量，基于关联性向量构造时间序列关系图模型；对于每一条时序数据关联性向量进行动态异常监测，基于监测结果对关联性向量进行更新；根据关联性向量的更新结果判断是否需要更新关系图模型，如果需要则执行更新关系图模型的操作；基于更新后的关系图模型相应包括聚类和关联时序数据在内的用户查询请求，给出查询结果。根据全局向量和局部向量残差来调整更新速度的策略能对短暂的时序数据异常有较强的抵抗能力，也能对时序数据潜在分布变化有较好的适应力，很好的满足了需求。
-
公开(公告)号：CN111767326B
公开(公告)日：2020-11-27
申请号：CN202010914927.1
申请日：2020-09-03
申请人： 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC分类号： G06F16/2458 , G06F16/28 , G06F16/22 , G06K9/62
摘要： 本申请属于数据生成技术领域，具体涉及一种基于生成式对抗网络的关系型表格数据的生成方法及装置。其中的方法包括：获取包括可分类数据、数字型数据、顺序型数据的原始的关系型表格数据；选择能唯一确定实体的可分类数据以确定相应的实体，将唯一确定实体的可分类数据作为实体标识属性；将包含实体标识属性的可分类属性元组作为条件信息，将随机噪声向量作为输入，通过预先训练的数据生成模型得到生成的关系型表格数据。本申请中的方法能同时学习离散分布与连续分布，抓取记录之间的关联；同时抓取实体层面多条记录的潜在趋势，准确生成与原数据分布近似的假数据，且数据的分布在表格层面拟合真实数据集。
-
公开(公告)号：CN111767324B
公开(公告)日：2020-11-17
申请号：CN202010914904.0
申请日：2020-09-03
申请人： 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC分类号： G06F16/2458 , G06K9/62
摘要： 本申请实施例提出了一种智能关联的自适应数据分析方法及装置，包括处理初始高维时间序列得到时序数据，构建每条时序数据相对于与其他时序数据的关联性向量，基于关联性向量构造时间序列关系图模型；对于每一条时序数据关联性向量进行动态异常监测，基于监测结果对关联性向量进行更新；根据关联性向量的更新结果判断是否需要更新关系图模型，如果需要则执行更新关系图模型的操作；基于更新后的关系图模型相应包括聚类和关联时序数据在内的用户查询请求，给出查询结果。根据全局向量和局部向量残差来调整更新速度的策略能对短暂的时序数据异常有较强的抵抗能力，也能对时序数据潜在分布变化有较好的适应力，很好的满足了需求。
-
公开(公告)号：CN115988796B
公开(公告)日：2023-09-26
申请号：CN202211584533.X
申请日：2022-12-09
申请人： 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司
摘要： 本发明公开了一种营销大脑数据中心机柜结构，包括柜体和柜门，所述柜体内设有安装架、用于锁定安装架位置的锁定机构、以及若干个隔离门，所述安装架与柜体沿竖直方向滑动连接，所述隔离门将柜体内的空间分为位于下部的安全空间和位于上部的使用空间，所述锁定机构处于锁定状态时，将安装架锁定在使用空间内，所述锁定机构处于打开状态时，所述安装架滑落至安全空间内，隔离门在安装架重力作用下切换为打开状态，隔离门使安装架通过后恢复到闭合状态。本发明提供了一种营销大脑数据中心机柜结构，可以在单个机柜内发生火灾时，或机柜外部火灾蔓延到机柜前，保护机柜内的存储设备，保护数据安全。
-
公开(公告)号：CN115988796A
公开(公告)日：2023-04-18
申请号：CN202211584533.X
申请日：2022-12-09
申请人： 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司
摘要： 本发明公开了一种营销大脑数据中心机柜结构，包括柜体和柜门，所述柜体内设有安装架、用于锁定安装架位置的锁定机构、以及若干个隔离门，所述安装架与柜体沿竖直方向滑动连接，所述隔离门将柜体内的空间分为位于下部的安全空间和位于上部的使用空间，所述锁定机构处于锁定状态时，将安装架锁定在使用空间内，所述锁定机构处于打开状态时，所述安装架滑落至安全空间内，隔离门在安装架重力作用下切换为打开状态，隔离门使安装架通过后恢复到闭合状态。本发明提供了一种营销大脑数据中心机柜结构，可以在单个机柜内发生火灾时，或机柜外部火灾蔓延到机柜前，保护机柜内的存储设备，保护数据安全。
-
公开(公告)号：CN112860945A
公开(公告)日：2021-05-28
申请号：CN202110017595.1
申请日：2021-01-07
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营销服务中心 , 浙江大学 , 杭州一知智能科技有限公司
IPC分类号： G06F16/783 , G06K9/62 , G06N3/08
摘要： 本发明属于视频问答领域，具体涉及利用帧‑字幕自监督进行多模态视频问答的方法。包括以下步骤：提取视频帧特征、问答特征、字幕特征、字幕建议特征；得到带注意力帧特征、带注意力字幕特征，得到融合特征；基于融合特征计算得到时间注意力得分；利用时间注意力得分计算得到问题的时间边界；利用融合特征与时间注意力得分计算得到问题答案；利用问题的时间边界和问题答案训练神经网络；优化神经网络的网络参数，利用最优神经网络进行视频问答并划定时间边界。本发明没有使用标注代价昂贵的时间标注，而是根据自行设计的时间注意分数生成问题相关的时间边界。另外本发明通过挖掘字幕与对应视频内容之间的联系，得到更为精准的答案。
-
公开(公告)号：CN112767921A
公开(公告)日：2021-05-07
申请号：CN202110018749.9
申请日：2021-01-07
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营销服务中心 , 浙江大学 , 杭州一知智能科技有限公司
摘要： 本发明属于语音识别领域，具体涉及一种基于缓存语言模型的语音识别自适应方法和系统，包括：针对一段连续的长语音分割得到多条短语音，并按照时间顺序构成任务队列；通过动态语言模型获得识别文本；根据每一条短语音的识别文本，实时判断是否需要进行概率修正，若是，则根据预设关联词表进行关键词搜索，得到关键词组，计算局部词汇概率分布，构建局部语言模型；将局部语言模型与动态语言模型进行插值合并，得到更新后的动态语言模型。本发明根据预设关联词表进行关键词搜索，得到关键词组，计算局部词汇概率分布，构建局部语言模型，将局部语言模型与动态语言模型进行插值合并，得到更新后的动态语言模型，进而提高识别准确率。
-
公开(公告)号：CN111680938B
公开(公告)日：2020-11-06
申请号：CN202010811196.8
申请日：2020-08-13
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营销服务中心
摘要： 本发明的目的在于解决现有复工复产监测系统无法精确监测企业复工复产情况的问题，提供一种基于电力流式大数据的复工复产监测方法及系统，提高复工复产监测精准度。包括生成复工复产监测地图，生成多个拟合时段；获取历史电量数据和实时电量数据；根据拟合时段的历史电力数据拟合形成企业在每个所述拟合时段的时间/耗电关系函数；计算每个时间/耗电关系函数的估算曲线精度值以确定目标估算函数；根据目标估算函数计算企业在当前时段的电量消耗估计值；计算企业在当前时段的电量消耗实际值；根据电量消耗实际值与电量消耗估计值的比值，缩放并填充该企业的复工复产轮廓图；实时本公开的技术方案可以更精准地监测精及反映复企业的复工复产情况。
-
公开(公告)号：CN111680939A
公开(公告)日：2020-09-18
申请号：CN202010811567.2
申请日：2020-08-13
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营销服务中心
摘要： 本发明涉及一种基于人工智能的企业复工复产程度监控方法，其技术方案要点是，所使用的神经网络在训练时，采用基于坐标下降搜索的神经网络剪枝方法进行优化：剪枝步骤一，为神经网络中的每一层维护一个敏感度分数，保持其他层剪枝率不变，剪枝该层后对网络训练两轮得到的正确分类率即为该层的敏感度分数；剪枝步骤二，对敏感度分数最高的的层进行剪枝，并更新对应的敏感度分数；剪枝步骤三，计算当前剪枝网络的剪枝率，若满足压缩率要求，则对该网络进行微调，最后得到压缩后的神经网络；否则，返回剪枝步骤二。本发明通过神经网络的优化，能够有效提高神经网络预测的准确性，从而提高复工复产的监控和预测能力。
-
-
-
-
-
-
-
-
-
搜索结果
85 条记录 (耗时 0.081 秒)
