-
公开(公告)号：CN118760956B
公开(公告)日：2024-12-03
申请号：CN202411256213.0
申请日：2024-09-09
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/241 , G06F18/15 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本申请涉及数据处理技术领域，公开了一种水位预测方法及设备，该方法包括：响应于水位预测请求，获取待预测流域的原始水文数据，根据原始水文数据通过水文模型生成待预测流域的产汇流数据，从原始水文数据和产汇流数据中截取时序数据，并从时序数据中提取影响待预测流域的预测水位的时序特征，从目标流域的流域信息中提取影响待预测流域的预测水位的空间特征，将时序特征和空间特征输入机器学习模型，并将原始水文数据和产汇流数据输入深度学习模型，获得待预测流域的预测水位；由于本申请通过耦合多个模型来进行水位预测，并且能够提取影响水位的时序特征和空间特征，从而能够提高水位预测的准确性和效率。
-
公开(公告)号：CN118261538A
公开(公告)日：2024-06-28
申请号：CN202211693982.8
申请日：2022-12-28
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 栾红志
IPC: G06Q10/0875 , G06Q10/20 , G06Q50/04 , G06Q30/0202 , G06Q10/04 , G06N3/08
Abstract: 本申请实施例提供了一种备件储备数量调整方法、装置及电子设备，应用于生产制造行业技术领域。该方法包括：获取目标备件在目标维修网点的备件信息；基于备件信息，确定目标备件在目标维修网点的需求概率；在目标备件的需求概率满足指定概率条件的情况下，基于备件信息，确定目标备件在目标维修网点的需求数量；基于需求数量，确定目标备件在目标维修网点的调整数量；利用调整数量，调整目标维修网点中目标备件的储备数量。通过本方案，可以在符合预期的备件存储满足率的前提下，降低备件资源的浪费。
-
公开(公告)号：CN118898507A
公开(公告)日：2024-11-05
申请号：CN202411390312.8
申请日：2024-09-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06Q30/0601 , G06F18/22 , G06F18/23213 , G06N3/0442
Abstract: 本申请提供一种产品推荐方法、装置及设备，该方法包括：获取第一集合，第一集合包括多个候选产品，候选产品对应的样本特征向量包括目标文本配单的用户特征向量和候选产品的产品特征向量；针对第二集合的各候选产品，将候选产品对应的样本特征向量输入给专业网络模型得到第一匹配分数值；针对第三集合的各候选产品，基于目标文本配单的提示文本和候选产品的提示文本生成目标提示文本，将所述目标提示文本输入给大语言模型得到第二匹配分数值；基于候选产品的第一匹配分数值和第二匹配分数值确定候选产品的目标分数值，基于各候选产品的目标分数值从第三集合选取目标产品，为目标文本配单推荐目标产品。通过本申请方案，实现产品精准推荐。
-
公开(公告)号：CN118733006A
公开(公告)日：2024-10-01
申请号：CN202411224854.8
申请日：2024-09-02
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种脚本文件生成方法、任务处理方法及电子设备。在本申请一个示例中，该脚本文件生成方法包括：依据用户输入信息，以及，场景知识库，构建大语言模型提示词，并输入到大语言模型，以使大语言模型依据大语言模型提示词，确定任务流程规划，以及，从候选工具模块中选择目标模块，并依据任务流程规划以及目标模块，生成算法建模Pipeline脚本文件；在算法建模Pipeline脚本文件的效果评估结果不满足要求的情况下，迭代执行大语言模型提示词的构建，以及，算法建模Pipeline脚本文件生成的处理，直至达到预设迭代停止条件。该方法可以实现更加智能化的机器学习建模方法。
-
Patent Agency Ranking
公开(公告)号：CN118898507B
公开(公告)日：2025-01-07
申请号：CN202411390312.8
申请日：2024-09-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06Q30/0601 , G06F18/22 , G06F18/23213 , G06N3/0442
Abstract: 本申请提供一种产品推荐方法、装置及设备，该方法包括：获取第一集合，第一集合包括多个候选产品，候选产品对应的样本特征向量包括目标文本配单的用户特征向量和候选产品的产品特征向量；针对第二集合的各候选产品，将候选产品对应的样本特征向量输入给专业网络模型得到第一匹配分数值；针对第三集合的各候选产品，基于目标文本配单的提示文本和候选产品的提示文本生成目标提示文本，将所述目标提示文本输入给大语言模型得到第二匹配分数值；基于候选产品的第一匹配分数值和第二匹配分数值确定候选产品的目标分数值，基于各候选产品的目标分数值从第三集合选取目标产品，为目标文本配单推荐目标产品。通过本申请方案，实现产品精准推荐。
-
公开(公告)号：CN118733006B
公开(公告)日：2024-12-13
申请号：CN202411224854.8
申请日：2024-09-02
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种脚本文件生成方法、任务处理方法及电子设备。在本申请一个示例中，该脚本文件生成方法包括：依据用户输入信息，以及，场景知识库，构建大语言模型提示词，并输入到大语言模型，以使大语言模型依据大语言模型提示词，确定任务流程规划，以及，从候选工具模块中选择目标模块，并依据任务流程规划以及目标模块，生成算法建模Pipeline脚本文件；在算法建模Pipeline脚本文件的效果评估结果不满足要求的情况下，迭代执行大语言模型提示词的构建，以及，算法建模Pipeline脚本文件生成的处理，直至达到预设迭代停止条件。该方法可以实现更加智能化的机器学习建模方法。
-
公开(公告)号：CN118760956A
公开(公告)日：2024-10-11
申请号：CN202411256213.0
申请日：2024-09-09
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/241 , G06F18/15 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本申请涉及数据处理技术领域，公开了一种水位预测方法及设备，该方法包括：响应于水位预测请求，获取待预测流域的原始水文数据，根据原始水文数据通过水文模型生成待预测流域的产汇流数据，从原始水文数据和产汇流数据中截取时序数据，并从时序数据中提取影响待预测流域的预测水位的时序特征，从目标流域的流域信息中提取影响待预测流域的预测水位的空间特征，将时序特征和空间特征输入机器学习模型，并将原始水文数据和产汇流数据输入深度学习模型，获得待预测流域的预测水位；由于本申请通过耦合多个模型来进行水位预测，并且能够提取影响水位的时序特征和空间特征，从而能够提高水位预测的准确性和效率。
-
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。
-
公开(公告)号：CN116091111A
公开(公告)日：2023-05-09
申请号：CN202211538091.5
申请日：2022-12-01
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 栾红志
IPC: G06Q30/0202 , G06N3/08 , G06Q10/0631 , G06N3/044
Abstract: 本申请实施例提供了一种产品需求量预测方法、装置、电子设备及存储介质，根据待预测产品的需求频度及时间跨度，在预先训练的多个深度学习模型中，确定待预测产品所对应的目标深度学习模型，其中，多个深度学习模型包括第一深度学习模型、第二深度学习模型及统计学习模型；利用目标深度学习模型对待预测产品的需求量进行预测。实现了产品需求量的预测。并且相比于通过一种模型对所有的产品进行需求量预测，本申请实施例中待预测产品的需求频度及时间跨度，确定对应的目标深度学习模型，充分考虑了产品的需求频度及时间跨度的特点，有针对性地挖掘待预测产品需求预测的内在规律和特点，能够提高产品需求量预测的准确度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.052 seconds)
