-
公开(公告)号:CN117192316A
公开(公告)日:2023-12-08
申请号:CN202310981386.8
申请日:2023-08-04
Applicant: 清华大学 , 国网山东省电力公司电力科学研究院
IPC: G01R31/26
Abstract: 本公开实施例涉及电力电子器件测试技术领域,公开了被测器件的擎住电流和维持电流的测试平台、方法及系统,所述方法包括:设定测试电压信号IDUT*;测量被测器件DUT的电压信号IDUT;对所述测试电压信号IDUT*与电压信号IDUT进行处理;对处理后的测试电压信号IDUT*与电压信号IDUT进行比较,形成比较结果;根据所述比较结果生成控制开关管结构Q1‑D3、开关管结构Q2‑D4和被测器件DUT开通/关断的触发信号;根据所述触发信号控制开关管结构Q1‑D3、开关管结构Q2‑D4和被测器件DUT开通/关断,实现维持电流和擎住电流的测试。本公开的示例性实施例,解决了不易对IGCT器件的维持电流、擎住电流进行测量问题,满足了IGCT器件型式试验的需求。
-
公开(公告)号:CN117057430A
公开(公告)日:2023-11-14
申请号:CN202311289797.7
申请日:2023-10-08
Applicant: 清华大学
IPC: G06N5/04 , G06F16/23 , G06F16/907
Abstract: 本发明涉及人工智能领域,提供一种基于规则累积的模型推理方法、装置及电子设备,其中的方法包括:获取目标任务对应的模型推理结果;获取对模型推理结果的用户端反馈,用户端反馈包括模型推理结果对应的推理标签,以及目标任务对应的正确答案;基于用户端反馈,在预设规则库中检索目标任务对应的推理规则;根据推理规则,推理得到目标任务的正确推理结果。该方法通过额外提供规则引导,在无需微调的情况下,引导大语言模型逐渐适应当前场景的特定需求,实现了轻量级的模型优化,克服了现有模型推理方法需要耗费巨大时间/资源成本,且推理结果准确度不高的缺陷,提升了模型推理结果的准确度。
-
公开(公告)号:CN117040507A
公开(公告)日:2023-11-10
申请号:CN202310877551.5
申请日:2023-07-17
Applicant: 清华大学 , 国网山东省电力公司电力科学研究院
IPC: H03K17/0812 , H03K17/732
Abstract: 本发明属于电力电子与信号测量技术领域,特别涉及一种提升发射极关断晶闸管浪涌能力的方法。所述方法包括:对电路中的电流信号进行采样;对采样数据进行计算;根据计算结果判断电涌是否超过承受能力;根据判断结果控制电路中各支路的流通情况,提升电路的浪涌电流能力。
-
公开(公告)号:CN116522963A
公开(公告)日:2023-08-01
申请号:CN202310369491.6
申请日:2023-04-07
Applicant: 清华大学
IPC: G06F40/58 , G06N3/0499 , G06N3/08 , G06F18/214
Abstract: 本发明提供一种机器翻译模型生成方法和装置,包括:获取训练数据;基于预存的深度神经网络利用训练数据训练得到机器翻译模型;机器翻译模型用于将待翻译文本翻译为文本译文;机器翻译模型包括存储器增强适配器层、第一存储器和第二存储器;存储器增强适配器层用于在第一存储器和/或第二存储器中检索信息并加以利用;第一存储器用于保存训练数据经反向翻译及前向计算处理后得到的源语言数据;第二存储器用于保存训练数据经反向翻译及前向计算处理后得到的目标语言数据。本发明把训练数据以模型可以接受的形式保存,执行翻译任务时从中读取信息对模型进行辅助,实现兼顾较低的算法时间复杂度和较好的模型表现的同时,适应多种翻译场景的效果。
-
公开(公告)号:CN116187352A
公开(公告)日:2023-05-30
申请号:CN202211612530.2
申请日:2022-12-14
Applicant: 清华大学
IPC: G06F40/58 , G06N3/0455 , G06N3/096
Abstract: 本发明提供一种多源端机器翻译方法及装置,其中的方法包括:基于预先训练的多源机器翻译模型,根据待翻译的多源端语句,结合每一源端对应的预先训练的编码器附加参数,获取编码器输入数据;根据所述多源机器翻译模型中的编‑解码器,对所述编码器输入数据依次进行编码处理和解码处理,得到目标端语句。该方法通过在多源机器翻译模型的编‑解码器中添加编码器附加参数和解码器对应的附加前缀参数,训练时该多源机器翻译模型中的其他参数被固定,只需要对编码器附加参数和附加前缀参数进行训练,能够有效减少训练的参数量,降低训练成本,并且,通过提升附加参数模块的可组合性,能有效提升多源机器翻译的翻译效果。
-
公开(公告)号:CN115807659A
公开(公告)日:2023-03-17
申请号:CN202211549259.2
申请日:2022-12-05
Applicant: 清华大学
Abstract: 本申请提供了一种基于水力特性分析的剩余油表征方法及其应用,包括:确定目标地层,获取所述目标地层的岩心,对所述岩心进行驱替实验,获取驱替实验最终时刻的所述岩心的油相和水相的数字化图像;获取所述剩余油的油团的比表面积α,单位为m‑1;获取所述剩余油的油团的水‑油接触面积β,量纲为1;获取所述剩余油的油团的水‑油通道数γ,单位为个。本申请利用图像处理技术识别和提取岩心驱替实验最终时刻的油水两相分布,充分考虑微观剩余油的水力特性和启动条件,基于能综合性表征微观剩余油团水力特性的三个参数将微观剩余油表征为五类。该方法注重油水连通特性对剩余油启动影响,形成的表征标准可作为指导油田高含水阶段剩余油开采的科学指导依据。
-
公开(公告)号:CN115392348A
公开(公告)日:2022-11-25
申请号:CN202210918002.3
申请日:2022-08-01
Applicant: 清华大学深圳国际研究生院
Abstract: 本申请实施例提出了一种联邦学习梯度量化方法、高效通信联邦学习方法及相关装置,涉及机器学习领域。根据本申请的第一方面提出了一种联邦学习梯度量化方法,包括:获取来自服务器的待训练模型;使用本地的私有数据对待训练模型进行本地训练,得到本轮训练模型;根据本轮训练模型,获得本轮训练模型的第一参数,第一参数为本地训练模型的模型参数或梯度;根据预设的最大量化等级,计算本轮训练模型与上一轮模型的量化更新量;根据量化更新量,确定第一参数的量化等级,并根据量化等级量化第一参数;将量化后的第一参数发送到中央服务器。能够减少联邦学习训练过程中的非必要通信轮次和每个通信轮次需要传输的数据总量。
-
公开(公告)号:CN115359849A
公开(公告)日:2022-11-18
申请号:CN202211027315.6
申请日:2022-08-25
Applicant: 清华大学
Abstract: 本发明提供一种3D分子理化性质预测方法、装置、电子设备及存储介质,所述方法包括:获取3D分子数据集,其中,3D分子数据集中包括3D分子样本;按照扰动尺度对3D分子样本的分子坐标施加扰动得到3D分子样本的分子扰动坐标;基于分子扰动坐标得到第一损失函数和第二损失函数;基于第一损失函数和第二损失函数得到目标损失函数;基于目标损失函数训练等变图神经网络,得到目标等变图神经网络;构建目标预测模型,其中,目标预测模型包括目标等变图神经网络和理化性质预测模型,理化性质预测模型包括多层感知机;将3D分子输入至目标预测模型,得到目标预测模型输出的3D分子的理化性质。通过本发明能够准确、高效得预测3D分子的理化性质。
-
公开(公告)号:CN115205312A
公开(公告)日:2022-10-18
申请号:CN202210880026.4
申请日:2022-07-25
Applicant: 清华大学
Abstract: 一种对多孔介质的孔隙空间进行孔喉分割的方法和装置,方法包括如下步骤:获取数字岩心二值化图像并去除异常体素点;采用分水岭算法确定孔和喉的中心位置;基于局部孔隙结构的流动阻力特性确定孔隙空间中体素点的归属;根据组成单个孔、喉的体素点计算其几何参数。本发明完全基于局部孔隙结构的流动阻力实现孔‑喉分割,具有明确的物理意义且不包含任何可调参数,克服了现有方法的不足。本申请抽取的孔隙网络能可靠、准确地预测多孔介质单相、两相流动规律,对揭示孔尺度流动机理、指导油气藏开发具有重要意义;此外,本申请可捕捉孔、喉间渐缩‑渐扩的孔隙结构特征,为研究多孔介质中渐变结构对于流动的影响奠定基础。
-
公开(公告)号:CN115102693A
公开(公告)日:2022-09-23
申请号:CN202210565096.0
申请日:2022-05-23
Applicant: 清华大学
Abstract: 本发明提供基于多方安全计算的隐私保护序列NJ树构建方法及系统,包括:基于对齐的基因序列,第一参与方和第二参与方在明文条件下计算距离矩阵中各自持有序列对应部分;在第一参与方和第二参与方计算完成后,将计算结果通过秘密共享协议将份额分享给对方;根据双方秘密共享的结果,第一参与方和第二参与方在原对齐序列秘密共享条件下联合计算距离矩阵中剩余部分,并通过秘密共享协议输出距离矩阵计算份额给各方;通过得到的距离矩阵计算结果,在双方只持有距离矩阵的份额矩阵条件下进行NJ树构建。本发明解决了现有NJ树构建过程中容易出现基因序列泄露的问题,以实现在NJ树构建过程中对基因序列的隐私保护。
-
-
-
-
-
-
-
-
-