-
公开(公告)号：CN118278154A
公开(公告)日：2024-07-02
申请号：CN202211729704.3
申请日：2022-12-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F30/20 , G06Q50/06 , G06F18/214 , G06F18/24 , G06Q10/04
Abstract: 本申请实施例提供了一种风电功率预测方法、装置、电子设备和存储介质，所述风电功率预测方法包括：获取指定时间段内的指定风电功率序列，并将指定风电功率序列分解为指定趋势信息和指定周期信息；将指定趋势信息输入预设的趋势预测模型，得到关于指定时间段的目标时间段内的目标趋势信息，并将指定周期信息输入预设的周期预测模型，得到目标时间段内的目标周期信息；其中，目标时间段位于指定时间段之后；将目标趋势信息和目标周期信息进行叠加，得到目标时间段内的风电功率预测结果。应用本申请实施例提供的风电功率预测方法可以可以进行风电功率预测，并且可以提高风电功率预测结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118821906A
公开(公告)日：2024-10-22
申请号：CN202310445413.X
申请日：2023-04-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/096 , G06N3/0464 , G06Q10/04 , G06F123/02
Abstract: 本申请实施例提供了一种风速预测模型的训练方法及时序数据预测模型的训练方法，应用于时序数据挖掘技术领域。该方法包括：获取与风速目标域对应的N个源域内的样本时序数据集；针对N个源域内的每一源域，训练得到该源域对应的预训练预测模型；针对N个源域内的每一源域，利用风速目标域内的时序风速数据集内的样本风速数据进行迁移训练，得到该源域对应的风速预测子模型；基于N个源域内每一源域对应的风速预测子模型的风速预测结果，确定各风速预测子模型的模型权重；利用模型权重对各源域对应的风速预测子模型进行融合，得到训练完成的风速预测模型。通过本方案，可以提高风速预测模型的进行风速预测的准确性。
-
公开(公告)号：CN118627638A
公开(公告)日：2024-09-10
申请号：CN202310229223.4
申请日：2023-03-07
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N20/00 , G06F18/25 , G06F18/22 , G06F18/24 , G06F40/194
Abstract: 本申请实施例提供了一种事件管理方法、装置及电子设备，涉及机器学习技术领域。获取待处理事件，并在预设事件存储区中检索与待处理事件相关的各个候选事件；确定包括待处理事件和任一候选事件的每个事件对的融合相似特征；针对每个事件对，利用文本向量相似特征计算先验相似性，并将融合相似特征输入预设检测模型，得到该事件对所包括的两个事件的相似度评分；将先验相似性和相似度评分输入预设分类模型，得到用于表征该事件对所包括的两个事件是否为重复事件的检测结果；基于各个检测结果，确定关于待处理事件是否为预设事件存储区中的各个事件的非重复事件的判定结果。与相关技术相比，应用本申请实施例提供的方案，可以提高事件管理效率。
-
公开(公告)号：CN116414880A
公开(公告)日：2023-07-11
申请号：CN202111652827.7
申请日：2021-12-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/2458 , G06F16/28
Abstract: 本发明实施例提供了一种特征工程方法、装置及电子设备。其中，所述方法包括：获取主数据表和至少一个从数据表，其中，每个数据表用于表示多个维度的数据之间的对应关系，并且所述主数据表中包括用于唯一标识待分析对象的目标数据，并且任一数据表的维度与至少一个其他数据表的维度存在交集；针对每个所述从数据表，根据各个数据表的维度，确定所述从数据表中的数据与所述目标数据之间的关联方式；根据所述关联方式，确定所述目标数据在各个数据表中关联的数据，作为关联数据；根据所述关联数据构建特征，作为所述待分析对象的特征。可以降低特征工程对算法工程师所需的专业知识的要求，从而提高适用性。
-
公开(公告)号：CN112825044B
公开(公告)日：2023-06-13
申请号：CN201911147892.7
申请日：2019-11-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种任务执行方法，属于信息技术领域。本申请通过机器学习平台上部署的调度引擎接收待处理的DAG任务后，对于该DAG任务包含的多个组件中的任一组件，调度引擎从多个执行引擎中选择加载有该任一组件对应的机器学习框架的执行引擎，指示该选择的执行引擎基于加载的机器学习框架执行该任一组件。由于多个执行引擎中存在至少两个执行引擎加载的机器学习框架不同，因此DAG任务中可以包含需要使用不同机器学习框架的组件，也即是，机器学习平台可以用于处理需要使用混合机器学习框架的复杂任务。这样对于DAG任务中包含的不同组件，调度引擎可以调用加载有不同机器学习框架的执行引擎加以完成，提高了机器学习平台的泛用性。
-
公开(公告)号：CN112825044A
公开(公告)日：2021-05-21
申请号：CN201911147892.7
申请日：2019-11-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种任务执行方法，属于信息技术领域。本申请通过机器学习平台上部署的调度引擎接收待处理的DAG任务后，对于该DAG任务包含的多个组件中的任一组件，调度引擎从多个执行引擎中选择加载有该任一组件对应的机器学习框架的执行引擎，指示该选择的执行引擎基于加载的机器学习框架执行该任一组件。由于多个执行引擎中存在至少两个执行引擎加载的机器学习框架不同，因此DAG任务中可以包含需要使用不同机器学习框架的组件，也即是，机器学习平台可以用于处理需要使用混合机器学习框架的复杂任务。这样对于DAG任务中包含的不同组件，调度引擎可以调用加载有不同机器学习框架的执行引擎加以完成，提高了机器学习平台的泛用性。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
