-
公开(公告)号：CN119252022A
公开(公告)日：2025-01-03
申请号：CN202411349688.4
申请日：2024-09-26
Applicant: 浙江大学
IPC: G08G1/01 , G06F18/2411 , G06F18/214 , G06N3/0455
Abstract: 本发明公开一种多层次嵌入的基于预训练大语言模型的交通流时空预测方法，其中的交通流时空预测模型包括时空嵌入层、多层时间编码网络、分词对齐层、预训练大语言模型和交通流解码层；通过自适应的交通流时空嵌入和多层时间编码网络，构建并捕获交通流复杂的动态时空关系；通过分词对齐层将以节点维度分词描述时间语义信息的交通流节点tokens与提示文本tokens对齐结合；最后，将融合了历史特征、动态时空特征和提示文本特征的多层次嵌入输入预训练大语言模型，通过训练大语言模型完成下游预测任务。本发明的方法能够提高预测精度，并减少可训练参数。
-
公开(公告)号：CN114819359B
公开(公告)日：2024-11-01
申请号：CN202210472417.2
申请日：2022-04-29
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q10/087 , G06Q50/04 , G06Q50/18 , B22D11/16
Abstract: 本发明公开一种基于切割子模式的多坯料多合同切割投料方法。针对钢管热轧生产过程中，铸坯切割方案的选择对钢管轧制的生产效率以及成材率等关键指标影响显著。为此，本发明考虑了现场生产组织过程中连续生产、减少调度的需求，提出使用逆推法得到每个合同的可行切割子模式，并提出一种基于切割子模式的铸坯切割方法，设计了由原料成材率和生产效率组成的综合评价指标进行优化，而在整体编排时使用排序择优算法以确保整体综合评价指标最高。本发明的方法能够实现实际生产中多对多切割下料计划的自动编制，原料成材率和生产效率高。
-
公开(公告)号：CN114297582B
公开(公告)日：2024-10-29
申请号：CN202111626005.1
申请日：2021-12-28
Applicant: 浙江大学
IPC: G06F17/18
Abstract: 本发明公开一种基于多探针局部敏感哈希负二项式回归模型的离散计数数据的建模方法，该方法首先使用局部敏感哈希策略对计数数据的历史数据库构建索引数据结构，然后当在线预测时，先通过多探针策略搜索在线查询样本的近邻数据候选集，进一步通过过滤策略获得查询样本的K个最近邻样本；最后利用K个最近邻样本构建局部负二项式回归模型并输出查询样本对应的输出预测值。本发明通过引入多探针局部敏感哈希策略和即时学习策略，不仅可以实现负二项式回归模型的自动更新以防止预测模型性能退化，还可以提高模型的在线计算效率，适用于处理大规模计数数据和满足预测任务的实时性需求。
-
公开(公告)号：CN118779354A
公开(公告)日：2024-10-15
申请号：CN202410762025.9
申请日：2024-06-13
Applicant: 浙江大学
IPC: G06F16/2458 , H04L67/60 , H04L61/5007 , G06F16/36 , G06N5/022 , G06N5/04 , G06F40/289 , G06N3/096 , G06F18/24
Abstract: 本发明公开一种基于微服务架构的APP智能生成系统，包括前端显示界面和位于后端的调度服务器和微服务端；前端显示界面用于接收用户输入的包括对象及任务的模糊指令，发送给调度服务器；并用于显示调度服务器传回的app；调度服务器接收来自前端显示界面发送的模糊指令，基于自然语言处理技术对模糊指令进行分词，同时构建知识图谱，进行模糊指令所要使用的算法的推理，并获取对应算法的IP地址，根据IP地址生成对应模糊指令的app，将生成的app和对应的IP地址传到前端显示界面；微服务端用于存储算法，每个算法开放一个IP地址，通过Restful API实现IP地址的调用。本发明能够通过模块化组件自组织实现面向任务的的智能APP生成，有效降低开发系统平台难度。
-
公开(公告)号：CN115688869B
公开(公告)日：2024-10-11
申请号：CN202211138814.2
申请日：2022-09-19
Applicant: 浙江大学
IPC: G06N3/0455 , G06N3/09 , G06F18/214 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于单通道信息互补融合堆叠自编码器的产品质量预测方法，该方法首先采用了堆叠自编码器的设计，对输入的数据信息进行接收和训练，得到了堆叠自编码器隐藏层的信息。之后，在堆叠自编码器外部，设计了信息互补融合模块与自下而上单通道信息融合层的结构，这种结构设计能够将堆叠自编码器内部隐藏层信息提取并且进行融合传递。再者，通过门控结构将模块输出值和输出信息进行计算并进行加权融合，得到最终的产品质量预测结果。该方法在对数据信息的处理上，提取出了更有效的信息，减少了噪声，提高了对信息的利用效率，有着更好的对产品质量的预测能力。
-
Patent Agency Ranking
公开(公告)号：CN118097667A
公开(公告)日：2024-05-28
申请号：CN202410321237.3
申请日：2024-03-20
Applicant: 浙江大学
IPC: G06V20/70 , G06V20/56 , G06V20/62 , G06V10/26 , G06V10/86 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于电子信息地图的道路拓扑表示方法，包括：S1、图像采集与预处理：S2：通过文本检测、文本识别提取图像的文本信息并筛选，仅保留道路名称信息；同步应用语义分割模型进行语义分割，提取图像的像素级道路信息，得到像素级道路信息；S3：将像素级道路信息和道路名称信息进行信息融合，构建拓扑地图；具体为：从像素级道路信息中提取道路骨架，通过邻域检查检测交点，其坐标作为路口坐标；进而得到分段道路，计算各分段道路之间的连通关系及其长度；匹配文本信息与分段道路信息后进行道路信息的拓扑表示。本发明能够从复杂的电子信息地图中准确提取有效的道路、路口、文本信息并实现道路的拓扑表示，更便于计算机处理。
-
公开(公告)号：CN117172362A
公开(公告)日：2023-12-05
申请号：CN202311104329.8
申请日：2023-08-30
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/214 , G06F18/2413 , G06F18/27 , G06N3/0455 , G06N3/084 , G06N3/0895 , G06N3/09 , C07C7/04 , C07C11/04
Abstract: 本发明公开一种基于目标相关拉普拉斯自编码器的乙烯分馏塔乙烯含量预测方法，该方法设计了附加目标相关拉普拉斯约束的预训练损失函数，使得模型在训练阶段可以使用无标签样本带来的约束信息，解决了乙烯分馏过程不带乙烯含量测量值的无标签数据多而带乙烯含量测量值的有标签数据少情况下的建模问题。该方法通过样本的近邻邻接图，获取样本间的拉普拉斯约束，在有监督损失函数基础上引入样本间的拉普拉斯约束惩罚项，提高网络模型的泛化能力。本发明能够在部分有标签数据情况下提供准确的实时乙烯含量预测。
-
公开(公告)号：CN116224937A
公开(公告)日：2023-06-06
申请号：CN202310204702.0
申请日：2023-03-06
Applicant: 浙江大学
IPC: G05B19/418 , G06F17/18
Abstract: 本发明公开一种基于变分贝叶斯高斯‑泊松混合回归模型的计数型质量变量预测方法。该方法可用于因变量为计数数据、自变量为连续数值的数据分析与预测，其核心为分别使用高斯混合分布、泊松混合回归分布对连续数据、计数数据进行拟合，并假设两种混合分布共享相同的混合系数，以及采用了变分推断技术用于模型的参数学习。本发明克服了传统软测量方法无法为计数数据提供离散概率估计的局限性，并能解决工业过程中多工况导致过程变量和质量变量呈现多个模态的问题。
-
公开(公告)号：CN114218872A
公开(公告)日：2022-03-22
申请号：CN202111626015.5
申请日：2021-12-28
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于DBN‑LSTM半监督联合模型的剩余使用寿命预测方法，首先使用DBN对多维时间序列历史信息进行数据融合提取机器的健康指标特征；其中DBN的构建分两个阶段，首先使用大量的无标签数据集进行无监督学习预训练，然后使用有标签数据集进行微调。将提取的健康指标时间序列输入到LSTM中，计算当前的剩余使用寿命。进一步，利用有标签样本数据集将两个串联连接的神经网络同时进行有监督训练更新权重，在验证集中评估预测结果并调整参数获得优化模型。训练得到的DBN‑LSTM半监督联合模型不仅有效提高了LSTM对剩余使用寿命的预测能力，而且同时提供了多维传感器数据的特征融合结果，能够有效表现当前机器的健康状况，为设备维护和保养提供了有效的参考指标。
-
公开(公告)号：CN113222046A
公开(公告)日：2021-08-06
申请号：CN202110575512.0
申请日：2021-05-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于过滤策略的特征对齐自编码器故障分类方法，该方法首先使用有标签数据对堆叠自编码器进行重构预训练，并且对重构误差明显大于有标签数据的无标签数据进行过滤操作，然后使用有标签数据与过滤后的无标签数据进行特征对齐自编码器分类模型的构建。特征对齐自编码器分类模型设计了基于Sinkhorn距离的交叉熵训练损失函数，该函数使得模型在微调阶段同时使用有标签数据和无标签数据，不仅可以实现数据信息的深度挖掘，还可以提高网络模型的泛化能力。同时，由于过滤策略的引入，模型的鲁棒性显著提升。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.025 seconds)
