-
公开(公告)号：CN117634918A
公开(公告)日：2024-03-01
申请号：CN202311620795.1
申请日：2023-11-30
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06Q10/0637 , G06F16/25 , G06F16/2458 , G06F16/26 , G06V30/19 , G06Q50/06
Abstract: 本发明公开了一种基于电力业务管理的数字切片设计方法及系统，所述方法步骤如下：提炼电力全业务管理模块，搭建全业务管理体系框架，提取全业务核心管理业务项并标记多层级共性业务项，识别全环节管理要素及管理流程，挖掘业务管理问题及业务提升节点；搭建业务运营指标体系，进行业务全链路指标分析，拆解关键节点影响因子及组成因子，设计节点指标，搭建业务运营指标体系；设计数字化管理协同子应用，设计数字化应用实现各协同场景效率提升；设计数字化管理切片体系，采用数据可视化及数据子应用场景化融合的方式，实现数字化管理切片体系的设计。
-
公开(公告)号：CN117592368A
公开(公告)日：2024-02-23
申请号：CN202311600366.8
申请日：2023-11-28
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F30/27 , G06Q50/06 , G06F113/04 , G06F119/02
Abstract: 本发明公开了一种基于双向长短时记忆网络模型的电量预测方法及系统，方法包括采集用户用电量数据；由于用电量数据不足，对采集的数据进行预处理；针对短期内用电量数据波动较为频繁，采用k折交叉验证法划分数据训练集和测试集；根据不同电压等级的用电量受到不同因素影响，调整双向长短记忆网络模型的特征输入；通过双向长短时记忆网络模型对数据进行训练，得到满足不同电压等级的用电量预测结果。通过均值替换法、最大最小归一化和切片分组进行数据处理，解决关键特征不够完整、数据量过小的问题，在双向长短时记忆网络模型的基础上采用k折交叉验证法调整模型的输入进行用电量预测，从而提高用电量预测的准确性。
-
公开(公告)号：CN115826936B
公开(公告)日：2023-11-07
申请号：CN202310122753.9
申请日：2023-02-16
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F8/20
Abstract: 本发明公开了一种基于低代码和可视化拖拽的电力业务可拓展开发框架，包括：基础组件物料单元、业务碎片编辑单元和应用编辑单元，其中，所述基础组件物料单元，用于提供电力数据接口和格式组件单元；所述业务碎片编辑单元，包括管理界面模块和业务应用碎片编辑模块，所述管理界面模块，用于提供数据源接口重写单元、业务主题重写单元和属性重写单元，所述业务应用碎片编辑模块，用于提供参数定义单元、组件关联关系单元和低代码单元；所述应用编辑单元，用于将业务应用碎片集成为的电力业务应用软件。采用上述技术方案，构建可以复用的碎片应用，快速开发得到电力应用软件，提高开发效率，降低人力成本。
-
公开(公告)号：CN116643731A
公开(公告)日：2023-08-25
申请号：CN202310790879.3
申请日：2023-06-30
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种基于JSON配置的低代码业务模型构建方法，步骤如下：基于JSON格式封装常用的软件代码，形成一套机制；符合规范的JSON定义通过低代码解译器和低代码渲染器将JSON配置转换成对应的组件，在页面上渲染出来；拖拽和配置封装好的组件，封装成具有一定业务应用价值的页面碎片‑切片；存取切片。本发明基于JSON格式封装常用的软件代码，形成一套机制，将JSON配置转换成对应的组件并在页面上渲染出来，基于本发明开发业务切片，能够实现业务不断沉淀，降低开发和维护的成本，提高业务自主性，减少沟通成本。
-
公开(公告)号：CN116824295A
公开(公告)日：2023-09-29
申请号：CN202310709870.5
申请日：2023-06-15
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种针对Mixup数据增强的长尾数据处理方法及装置，方法包括：输入N对原始长尾数据集图片及其对应标签；通过模拟Beta分布得到一个服从Beta分布的参数θ，基于参数θ使用Mixup按比例结合两个样本，生成新样本；将新样本作为模型的输入，得到输出；基于θ计算使用Mixup后的类间间隔；将变换后的类间间隔应用到空间变换间隔损失函数，计算总损失并更新模型参数，完成模型的训练；利用训练好的模型对长尾分布的图像数据进行分类识别。本发明利用参数θ变换类间间隔，解决了长尾数据集中的重平衡损失函数与使用Mixup后收缩的类间间隔不匹配的问题，提高图像识别精度。
-
Patent Agency Ranking
公开(公告)号：CN115826936A
公开(公告)日：2023-03-21
申请号：CN202310122753.9
申请日：2023-02-16
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F8/20
Abstract: 本发明公开了一种基于低代码和可视化拖拽的电力业务可拓展开发框架，包括：基础组件物料单元、业务碎片编辑单元和应用编辑单元，其中，所述基础组件物料单元，用于提供电力数据接口和格式组件单元；所述业务碎片编辑单元，包括管理界面模块和业务应用碎片编辑模块，所述管理界面模块，用于提供数据源接口重写单元、业务主题重写单元和属性重写单元，所述业务应用碎片编辑模块，用于提供参数定义单元、组件关联关系单元和低代码单元；所述应用编辑单元，用于将业务应用碎片集成为的电力业务应用软件。采用上述技术方案，构建可以复用的碎片应用，快速开发得到电力应用软件，提高开发效率，降低人力成本。
-
公开(公告)号：CN114860899A
公开(公告)日：2022-08-05
申请号：CN202210331379.9
申请日：2022-03-31
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F16/332 , G06F16/36 , G06F16/33 , G06F40/289 , G06F40/30 , G06F40/295 , G06F40/242 , G06F40/126 , G06N3/04
Abstract: 本发明公开了一种引入先验知识的少样本问答方法，包括以下步骤：S101预制少样本业务领域知识图谱；S102获取用户端查询；S103将所述查询复制两份，分别输入基于查询语义的字特征模块和融合所述业务领域知识的词特征模块进行特征提取，输出提取的字特征向量和词特征向量；S104将所述字特征向量和所述词特征向量拼接，输入经过先验知识增强的相关性计算模型，得到各回答的相关性得分；S105将所述相关性得分最高的回答返回给用户。本发明提供一种引入先验知识的少样本问答方法，使得少样本情况下问答模型准确度提升。
-
公开(公告)号：CN116502093B
公开(公告)日：2023-10-13
申请号：CN202310772340.5
申请日：2023-06-28
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F18/214 , G06F18/21 , G06V10/774 , G06V10/778 , G06F123/02
Abstract: 本发明公开了一种基于主动学习的目标检测数据挑选方法、装置，所述方法包括：将时序数据划分为多段子片段时序数据；使用目标模型，对每段子片段时序数据进行输出预测，得到相应的子片段预测输出；子片段预测输出包括多个样本预测结果，样本预测结果为样本数据的预测结果；计算样本预测结果的样本离散程度，并从多段子片段时序数据中筛选得到候选子片段时序数据；使用候选子片段时序数据，对目标模型进行多轮训练；计算各轮训练的训练预测结果的训练离散程度，并从候选子片段时序数据中筛选用于目标模型训练的训练数据。采用上述技术方案，可以从海量训练数据中，快速的查询得到对于训练更有帮助的训练数据，能减少标注的代价。
-
公开(公告)号：CN116502093A
公开(公告)日：2023-07-28
申请号：CN202310772340.5
申请日：2023-06-28
Applicant: 江苏瑞中数据股份有限公司 , 南瑞集团有限公司
IPC: G06F18/214 , G06F18/21 , G06V10/774 , G06V10/778 , G06F123/02
Abstract: 本发明公开了一种基于主动学习的目标检测数据挑选方法、装置，所述方法包括：将时序数据划分为多段子片段时序数据；使用目标模型，对每段子片段时序数据进行输出预测，得到相应的子片段预测输出；子片段预测输出包括多个样本预测结果，样本预测结果为样本数据的预测结果；计算样本预测结果的样本离散程度，并从多段子片段时序数据中筛选得到候选子片段时序数据；使用候选子片段时序数据，对目标模型进行多轮训练；计算各轮训练的训练预测结果的训练离散程度，并从候选子片段时序数据中筛选用于目标模型训练的训练数据。采用上述技术方案，可以从海量训练数据中，快速的查询得到对于训练更有帮助的训练数据，能减少标注的代价。
-
公开(公告)号：CN113239686A
公开(公告)日：2021-08-10
申请号：CN202110418764.2
申请日：2021-04-19
Applicant: 国网电力科学研究院有限公司 , 江苏瑞中数据股份有限公司
IPC: G06F40/284 , G06F40/295 , G06F40/242 , G06N3/08
Abstract: 本发明公开了一种基于特征增强的电力实体识别方法，包括对用于进行训练的文本进行分词；通过word2vec对分词后的单词进行训练得到单词向量；通过word2vec基于字符粒度对未分词训练的文本进行训练得到单字向量；通过GRU神经网络对单词中所含单字的单字向量进行训练得到分词结构特征向量；根据分词结构特征向量构建向量词典；从向量词典中找到待识别文本序列的对应向量表达，通过实体识别模型对对应向量表达进行识别得到实体标签序列，本发针对电力专业领域实体嵌套、实体结构复杂、语料规模小等特点，引入了一种融合字符（单字）、分词的多粒度文本特征增强方法，实现电力技术命名实体识别的性能大幅提升。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.052 seconds)
