-
公开(公告)号：CN118016324A
公开(公告)日：2024-05-10
申请号：CN202410073975.0
申请日：2024-01-18
Applicant: 中南大学
IPC: G16H80/00 , G06N5/04 , G06F16/35 , G06F16/332
Abstract: 本发明涉及问答系统技术领域，具体涉及一种基于病历的医疗大模型问答系统，包括以下模块：病历解析模块：设计用于解析和提取患者病历中的信息，包括病症描述、治疗历史、检查结果；问答逻辑构建模块：基于从病历解析模块获取的信息，构建个性化的问答逻辑，利用医学知识库和病例分析算法，生成针对特定患者状况的问答流程；互动优化模块：对用户的查询进行解析，并结合病历解析模块和问答逻辑构建模块的输出，提供回答和建议，所述互动优化模块还负责优化问答过程中的用户体验，确保交流自然流畅；知识更新模块：定期更新医疗知识库,本发明，为患者提供了更加贴合个人状况的医疗建议，显著提升了医疗服务的质量和效果。
-
公开(公告)号：CN117875408A
公开(公告)日：2024-04-12
申请号：CN202410285505.0
申请日：2024-03-13
Applicant: 中南大学
IPC: G06N3/098 , G06N3/0455 , G06N3/049 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种面向瑕疵检测的脉冲神经网络的联邦学习方法，将产品图像输入人工神经网络分支进行前向传播、在时间窗口内将感受野矩阵编码输入脉冲神经网络分支进行前向传播，并在脉冲神经网络分支的前向传播过程中将人工神经网络分支输出的特征与脉冲神经网络分支中每一个时间步输出的特征进行融合，有效缓解了尖峰噪声影响；根据脉冲神经网络分支中最后一层中所有时间步输出的特征与瑕疵种类标签构建损失函数，通过损失函数对脉冲神经网络分支进行反向传播训练，得到本地联邦脉冲神经网络并将多个本地工业设备上传的网络参数输入中央服务器进行聚合得到全局模型，在实现轻量化分布协同训练的同时，有效解决了用于瑕疵检测时准确率低的劣势。
-
公开(公告)号：CN117113241A
公开(公告)日：2023-11-24
申请号：CN202310538638.X
申请日：2023-05-12
Applicant: 中南大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/23213 , G06F18/2321 , G06F18/214 , G06F18/21 , G06F18/10 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及漏损监测方法，具体地涉及一种基于边缘学习的智能漏损监测方法，包括如下步骤：A.对水管采集点的历史运行数据进行划分，将正常运行情况下的历史运行数据划分为正常运行情况数据集，将故障异常情况下的历史运行数据划分为故障异常数据集；B.利用机器学习模型构建正常运行情况预测模型，将正常运行情况预测模型下发到各边缘节点进行模型训练和预测，并构建对比区间；C.将采集数据与对比区间比对，并利用聚类算法和机器学习算法得到边缘节点的异常诊断结果，从而对水管的实际运行情况进行诊断。本发明的基于边缘学习的智能漏损监测方法能够在事前对水管进行瞬态水压或水流量的自动监测，降低了水管爆管和漏损的发生概率。
-
公开(公告)号：CN116191423B
公开(公告)日：2023-10-10
申请号：CN202310381874.5
申请日：2023-04-11
Applicant: 中南大学
Abstract: 本发明提供了一种光伏发电系统的电力收集系统及方法，包括：通过光伏发电系统所在地区气象规律信息，预测所在地区光伏发电量分布，获取地区发电量预测分布；根据地区发电量预测分布，监测追踪光伏发电系统所在地区的光伏发电能效比并进行排序，获取光伏分区发电能效比排序结果；根据光伏分区发电能效比排序结果，进行光伏分区发电能效比筛选及度电成本控制，获取度电成本区域分布；根据度电成本区域分布，进行多个光伏分区发电能效比筛选区域的集散配合电力收集。
-
公开(公告)号：CN116824257A
公开(公告)日：2023-09-29
申请号：CN202310791693.X
申请日：2023-06-30
Applicant: 中南大学
IPC: G06V10/764 , G06V30/19 , G06F16/35 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06Q50/18
Abstract: 本发明提供了一种生态环保类案件的证据要素识别方法及相关设备，通过对采集与目标生态环保类案件相关的物理信息数据和数字信息数据进行自适应采样，得到关键证据数据，极大地提高了数据获取的效率；将关键证据数据输入注意力分布模型进行特征提取，得到关键证据要素特征向量；将关键证据要素特征向量输入证据要素识别模型进行识别，得到目标生态环保类案件的证据要素识别结果，能够更准确的筛选出关键证据要素的特征，提高了证据的准确性和充分性，帮助解决生态环境的法律纠纷问题，有利于帮助实现关于生态环保类案件的司法公正。
-
Patent Agency Ranking
公开(公告)号：CN116757384A
公开(公告)日：2023-09-15
申请号：CN202310378743.1
申请日：2023-04-11
Applicant: 中南大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及碳配额的需求数据监测领域，公开了一种碳配额的需求数据监测方法、装置、计算机设备及存储介质，所述方法包括：获取影响因子历史数据和碳配额历史数据，并基于所述影响因子历史数据，确定N个影响因子组；将所有所述影响因子组和所述碳配额历史数据作为输入数据，并将所述输入数据输入需求数据监测模型中；基于所述需求数据监测模型的所有Transformer层，对所述输入数据进行向量计算，得到监测向量矩阵；基于所述需求数据监测模型，对所述监测向量矩阵进行监测处理，得到监测结果。采用本发明提高对碳配额的需求数据的监测准确率。
-
公开(公告)号：CN116306323A
公开(公告)日：2023-06-23
申请号：CN202310566397.X
申请日：2023-05-19
Applicant: 中南大学
Abstract: 本申请适用于联邦学习和数字孪生技术领域，提供了一种数字孪生模型的确定方法、装置、终端设备及介质，通过构建初始数字孪生模型，并初始化模型参数，得到初始数字孪生模型参数；针对每个工业设备，根据初始数字孪生模型参数，构建初始本地模型，并对初始本地模型进行训练，得到最终本地模型；根据最终本地模型的模型参数，得到每个工业设备的全局得分，并根据全局得分，确定联邦工业设备；对所有联邦工业设备的最终本地模型的模型参数进行聚合，得到初始全局模型；基于强化学习，对初始全局模型中的网络结构进行更新，得到最终全局模型；基于联邦学习，得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
-
公开(公告)号：CN116258420A
公开(公告)日：2023-06-13
申请号：CN202310526625.0
申请日：2023-05-11
Applicant: 中南大学
IPC: G06Q10/0639 , G06N20/20
Abstract: 本申请适用于联邦学习及数字孪生技术领域，提供了一种产品质量检测方法、装置、终端设备及介质。包括采集目标产品的工序组成数据；计算每个边缘节点的权重；根据所有边缘节点的权重，得到最大设备连接数，并对所有边缘节点进行分组，得到多个边缘节点分组；根据每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将设备信息和产品信息存储到区块链；每个工业设备的学习质量确定联邦学习设备，并根据设备信息和产品信息，进行本地模型训练，得到本地数字孪生模型；计算本地数字孪生模型的全局残差，得到全局数字孪生模型；利用全局数字孪生模型进行质量检测。本申请能提高产品质量检测的准确性。
-
公开(公告)号：CN115358784A
公开(公告)日：2022-11-18
申请号：CN202211010754.6
申请日：2022-08-23
Applicant: 中南大学
Abstract: 本发明提供了一种提取分布式典型用电模式的方法及相关设备，涉及工业电力大数据处理与分析领域，包括：采集目标区域内多个工业用户的电力负荷数据；分别针对每个工业用户的电力负荷数据，对工业用户的电力负荷数据进行处理，得到工业用户的用电状态矩阵；利用多个工业用户的用电状态矩阵生成负荷曲线集合簇，并将负荷曲线集合簇中同一状态下同一时长的负荷曲线归为一类；分别针对每类负荷曲线，进行典型用电模式提取，得到每个工业用户对应的典型用电模式集合簇；对多个工业用户的典型用电模式集合簇进行融合，得到典型用电模式；可以有效的提升典型用电模式提取的准确性和代表性，还提高模式提取和数据分析的效率。
-
公开(公告)号：CN114492007A
公开(公告)日：2022-05-13
申请号：CN202210047863.9
申请日：2022-01-17
Applicant: 中南大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于分层误差控制的因子效应在线识别方法和设备，方法包括：初始化主/交互效应识别的参数；实时识别在线数据驱动的仿真模型中的变动因子，构建实时设计矩阵；由仿真模型的输出计算变动因子的基效应；将基效应转换为主/交互效应假设检验的新样本，两种效应均从各自新样本抽样获得Bootstrap样本，重复各获得B个Bootstrap样本；计算每个Bootstrap样本的检验统计量，计算主/交互效应检验的p值；将主/交互效应检验的p值与各自的检验水平比较，确定该变动因子是否具有重要主/交互效应，完成任意观测点对变动因子的识别。本发明可以在线识别因子效应的重要性并控制判定结果的误差。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.028 seconds)
