-
公开(公告)号：CN111767326B
公开(公告)日：2020-11-27
申请号：CN202010914927.1
申请日：2020-09-03
Applicant: 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC: G06F16/2458 , G06F16/28 , G06F16/22 , G06K9/62
Abstract: 本申请属于数据生成技术领域，具体涉及一种基于生成式对抗网络的关系型表格数据的生成方法及装置。其中的方法包括：获取包括可分类数据、数字型数据、顺序型数据的原始的关系型表格数据；选择能唯一确定实体的可分类数据以确定相应的实体，将唯一确定实体的可分类数据作为实体标识属性；将包含实体标识属性的可分类属性元组作为条件信息，将随机噪声向量作为输入，通过预先训练的数据生成模型得到生成的关系型表格数据。本申请中的方法能同时学习离散分布与连续分布，抓取记录之间的关联；同时抓取实体层面多条记录的潜在趋势，准确生成与原数据分布近似的假数据，且数据的分布在表格层面拟合真实数据集。
-
Patent Agency Ranking
公开(公告)号：CN111767325A
公开(公告)日：2020-10-13
申请号：CN202010914905.5
申请日：2020-09-03
Applicant: 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC: G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 本申请实施例提出基于深度学习的多源数据深度融合方法，包括获取待融合关系型数据表；构建深度学习模型，导入训练数据对待融合关系型数据表中的内容进行词向量化处理，对处理后的数据进行模式匹配；基于数据对应实体之间的相似度对待融合关系型数据表内的数据进行分层抽样，将抽样得到数据导入预设的结构模型中进行基于词向量的整合处理，得到训练后的数据分桶模型，基于数据分桶模型进行基于实体的数据分桶处理；对每个桶中的数据进行是否指代同一实体的判断，将指代同一实体的数据进行数据融合，得到由融合后数据构成的数据表。采用词向量的方式对字符串数据建模，该方法可以同时对字符串的文本和语义进行建模，提高对脏数据的容忍度。
-
公开(公告)号：CN1446592A
公开(公告)日：2003-10-08
申请号：CN03121948.9
申请日：2003-04-18
Applicant: 清华大学
Abstract: 微型轴流式血泵的优化非恒速控制方法属于人工器官控制技术领域，其特征为：它是建立在由目标函数、控制参数、限制条件组成的调节血泵转速的优化模型之上的方法。此非恒速控制方法的控制参数为：可选择7种速度的血泵高低转速以及高低速持续运转时间；优化模型的目标函数：代表心脏生理健康状况，由五个独立心脏辅助生理参量的隶属函数加权相加构成；优化控制方法是通过实体实验，利用医疗仪器测出计算得到心输出量、心肌供氧量与耗氧量比值、主动脉最高收缩和最低舒张压，利用控制参数计算得到血泵平均转速这样共五个独立参量计算隶属函数经加权后组成目标函数，选取各种速度匹配方案的优化方案比较得到的。它适应性强，使用安全，血泵能耗也低。
-
公开(公告)号：CN1202871C
公开(公告)日：2005-05-25
申请号：CN03121948.9
申请日：2003-04-18
Applicant: 清华大学
IPC: A61M1/10
Abstract: 微型轴流式血泵的优化非恒速控制方法属于人工器官控制技术领域，其特征为：它是建立在由目标函数、控制参数、限制条件组成的调节血泵转速的优化模型之上的方法。此非恒速控制方法的控制参数为：可选择7种速度的血泵高低转速以及高低速持续运转时间；优化模型的目标函数：代表心脏生理健康状况，由五个独立心脏辅助生理参量的隶属函数加权相加构成；优化控制方法是通过实体实验，利用医疗仪器测出计算得到心输出量、心肌供氧量与耗氧量比值，主动脉最高收缩和最低舒张压，利用控制参数计算得到血泵平均转速这样共五个独立参量计算隶属函数经加权后组成目标函数，选取各种速度匹配方案的优化方案比较得到的。它适应性强，使用安全，血泵能耗也低。
-
公开(公告)号：CN111767325B
公开(公告)日：2020-11-24
申请号：CN202010914905.5
申请日：2020-09-03
Applicant: 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC: G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 本申请实施例提出基于深度学习的多源数据深度融合方法，包括获取待融合关系型数据表；构建深度学习模型，导入训练数据对待融合关系型数据表中的内容进行词向量化处理，对处理后的数据进行模式匹配；基于数据对应实体之间的相似度对待融合关系型数据表内的数据进行分层抽样，将抽样得到数据导入预设的结构模型中进行基于词向量的整合处理，得到训练后的数据分桶模型，基于数据分桶模型进行基于实体的数据分桶处理；对每个桶中的数据进行是否指代同一实体的判断，将指代同一实体的数据进行数据融合，得到由融合后数据构成的数据表。采用词向量的方式对字符串数据建模，该方法可以同时对字符串的文本和语义进行建模，提高对脏数据的容忍度。
-
公开(公告)号：CN111767326A
公开(公告)日：2020-10-13
申请号：CN202010914927.1
申请日：2020-09-03
Applicant: 国网浙江省电力有限公司营销服务中心 , 清华大学 , 国网浙江省电力有限公司
IPC: G06F16/2458 , G06F16/28 , G06F16/22 , G06K9/62
Abstract: 本申请属于数据生成技术领域，具体涉及一种基于生成式对抗网络的关系型表格数据的生成方法及装置。其中的方法包括：获取包括可分类数据、数字型数据、顺序型数据的原始的关系型表格数据；选择能唯一确定实体的可分类数据以确定相应的实体，将唯一确定实体的可分类数据作为实体标识属性；将包含实体标识属性的可分类属性元组作为条件信息，将随机噪声向量作为输入，通过预先训练的数据生成模型得到生成的关系型表格数据。本申请中的方法能同时学习离散分布与连续分布，抓取记录之间的关联；同时抓取实体层面多条记录的潜在趋势，准确生成与原数据分布近似的假数据，且数据的分布在表格层面拟合真实数据集。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
