-
公开(公告)号：CN113222722A
公开(公告)日：2021-08-06
申请号：CN202110514430.5
申请日：2021-05-12
Applicant: 江苏电力信息技术有限公司
Abstract: 本发明公开了一种基于门结构深度交叉网络的电力预算评估方法，从“一级利润中心”及“业务域”2个维度出发，中抽取影响电力预算的代表性的特征；采用Embedding网络层将这些特征从离散和连续型分别转换为低维稠密的表征向量；采用开源的Transformer模型中的多头注意力网络去捕捉不同特征之间的交互，和学习多样化的特征交互带来的多义性，从而输出高质量的特征表达向量。将这些表征向量分别传入一个深度网络和交叉网络，进行融合；基于训练的模型，计算测试集中样本的未来年份电力预算评估值。本发明解决了电力系统单位及专业部门年度预算与分配过程中缺乏决策指导的难题，既保持了深度网络的优点，又能利用交叉网络来对特征进行显式的交叉计算。
-
公开(公告)号：CN112990611A
公开(公告)日：2021-06-18
申请号：CN202110514466.3
申请日：2021-05-12
Applicant: 江苏电力信息技术有限公司
Abstract: 本发明公开了一种基于多头注意力网络的电费回收风险预测方法，获得的企业用电趋势、行业景气信息与突发事件、以及外部信息这3类数据构造影响电费回收的特征向量。建立一个Embedding层将上述的离散和连续型特征向量转换为低维稠密的表征向量。采用Transformer模型的多头注意力网络去捕捉不同特征之间的交互，和学习多样化的特征交互带来的多义性，同时该模型具有强大的并行计算性，能够高效地输出高质量的特征表达向量。最后，利用一个全连接神经网络进行线性转换获得一个新的表征向量，再输入Sigmod激励函数从而得到最终的电费回收风险预测值。该预测方法实现了电费回收风险监测预警。
-
公开(公告)号：CN113222722B
公开(公告)日：2024-02-02
申请号：CN202110514430.5
申请日：2021-05-12
Applicant: 江苏电力信息技术有限公司
IPC: G06Q40/12 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于门结构深度交叉网络的电力预算评估方法，从“一级利润中心”及业务域”2个维度出发，中抽取影响电力预算的代表性的特征；采用Embedding网络层将这些特征从离散和连续型分别转换为低维稠密的表征向量；采用开源的Transformer模型中的多头注意力网络去捕捉不同特征之间的交互，和学习多样化的特征交互带来的多义性，从而输出高质量的特征表达向量。将这些表征向量分别传入一个深度网络和交叉网络，进行融合；基于训练的模型，计算测试集中样本的未来年份电力预算评估值。本发明解决了电力系统单位及专业部门年度预算与分配过程中缺乏决策指导的难题，既保持了深度网络的优点，又能利用交叉网络来对特征进行显式的交叉计算。
-
公开(公告)号：CN112131371A
公开(公告)日：2020-12-25
申请号：CN202011326028.6
申请日：2020-11-24
Applicant: 江苏电力信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种电力智能问答系统中的问句匹配方法：首先对用户输入的查询问句P和系统知识库中的问句Q进行补零或截断操作，使句子序列变成固定长度；然后通过GloVe模型生成关于句子序列中对应单词词向量；接着将词向量输入到BI‑LSTM模型中，获取具有上下文语境义的单词向量；在此基础上，利用卷积神经网络提取词向量特征，得到句子的特征向量，进一步对特征向量抽取共同特征；最后将问句P、问句Q的特征向量以及共同特征向量进行拼接，输入全连接层，获取相似度预测结果。本发明将深度学习应用于电力智能问答领域，能够有效融合句子单词的上下文语境，精准的匹配用户问句，提高电力智能问答的准确度。
-
-
-
Search Results
4
records
(took 0.025 seconds)
