-
公开(公告)号：CN116150283A
公开(公告)日：2023-05-23
申请号：CN202211457106.5
申请日：2022-11-16
Applicant: 国家电网有限公司大数据中心
IPC: G06F16/28 , G06F16/36 , G06F40/279
Abstract: 本发明公开了一种知识图谱本体构建系统、方法、电子设备及存储介质。所述系统包括获取模块，抽取模块、合并模块、融合模块以及构建模块；所述获取模块，用于获取原始数据，所述原始数据包括结构化数据、半结构化数据以及非结构化数据；所述抽取模块，用于采用预设模型对所述非结构化数据以及所述半结构化数据进行知识抽取得到抽取信息；所述合并模块，用于将所述结构化数据与第三方数据库进行知识合并得到数据集合；所述融合模块，用于将所述数据集合与所述抽取信息进行知识融合得到知识库；所述构建模块，用于基于所述知识库进行本体构建生成知识图谱的本体模型。该系统通过采用数据驱动自动构建本体模型，能够提高构建本体模型的效率。
-
公开(公告)号：CN115565033A
公开(公告)日：2023-01-03
申请号：CN202211370014.3
申请日：2022-11-03
Applicant: 国家电网有限公司大数据中心
IPC: G06V10/774 , G06V10/82
Abstract: 本公开实施例提供了缺陷样本图片的生成方法、装置、设备及存储介质。该方法包括：基于第一缺陷样本图片集训练缺陷识别模型，获得训练后的缺陷识别模型；根据第一无缺陷样本图片集和缺陷识别模型训练生成对抗网络模型，获得训练后的生成对抗网络模型；其中，生成对抗网络模型包括生成器和判别器；根据训练后的生成器和第二无缺陷样本图片集生成第二缺陷样本图片集。本公开实施例，解决了电网计量设备缺陷样本图片集难获取的问题，极大降低缺陷样本图片采集的难度以及工作量，同时具有高质量的计量设备缺陷样本图片集，能够更加高效的训练缺陷识别模型来完成自动化巡检，提高巡检工作的自动化程度，降低巡检的人工成本。
-
公开(公告)号：CN114863153A
公开(公告)日：2022-08-05
申请号：CN202210330918.7
申请日：2022-03-30
Applicant: 国家电网有限公司大数据中心
IPC: G06V10/762 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的影像相似度数据清洗方法及系统，包括：获取影像数据，并对所述影像数据进行处理得到成对的影像数据；将所述成对的影像数据输入到预先训练好的融合网络模型中，得到所述成对的影像数据的相似性度量值；由所述成对的影像数据的相似性度量值对所述影像数据进行聚类完成数据清洗；其中，所述预先训练好的融合网络模型是基于成对的影像数据结合包含损失项和正则化项的学习目标函数对双支卷积神经网络进行训练得到的。本发明采用了融合网络结合损失函数的方法，解决了人力标注成本高，效率低下，容易产生重复操作的问题，实现了对相同场景下的类似部件进行聚类，提高了效率和准确率。
-
公开(公告)号：CN114861868A
公开(公告)日：2022-08-05
申请号：CN202210325233.3
申请日：2022-03-29
Applicant: 国家电网有限公司大数据中心
Abstract: 本发明涉及人工智能模型压缩技术领域，具体提供了一种卷积神经网络的压缩方法及装置，包括：步骤1.初始化待压缩卷积神经网络的精简卷积神经网络；步骤2.将待压缩卷积神经网络上的注意力图迁移至精简卷积神经网络；步骤3.利用遗传算法确定并调节精简卷积神经网络上的注意力图迁移的最优位置；步骤4.判断是否达到迭代次数，若是，则输出精简卷积神经网络，否则，返回步骤2。本发明提供的技术方案，通过应用遗传算法，寻找最优的注意力迁移层位置，实现更有效的知识蒸馏。
-
公开(公告)号：CN114841242A
公开(公告)日：2022-08-02
申请号：CN202210347875.3
申请日：2022-04-01
Applicant: 国家电网有限公司大数据中心
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215
Abstract: 本发明涉及电网数据安全技术领域，具体提供了一种电网数据的质量治理方法及装置，包括：对经近似计算的预先构建的深度学习网络进行测试，得到经近似计算的预先构建的深度学习网络产生的误差；基于所述经近似计算的预先构建的深度学习网络产生的误差确定数据识别网络；利用所述数据识别网络对电网数据进行分类。本发明提供的技术方案既能保护核心电网数据，又能够保持数据特征，并可以用于多种算法的测试验证。
-
Patent Agency Ranking
公开(公告)号：CN116955651A
公开(公告)日：2023-10-27
申请号：CN202310963365.3
申请日：2023-08-02
Applicant: 国家电网有限公司大数据中心
Abstract: 本公开实施例提供了一种电力故障检测方法及装置。该方法包括：获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测。本公开实施例，通过将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测的方式，可以提高故障检测的准确率以及故障检测的可解释性。
-
公开(公告)号：CN116704218A
公开(公告)日：2023-09-05
申请号：CN202310636391.5
申请日：2023-05-31
Applicant: 国家电网有限公司大数据中心
IPC: G06V10/70 , G06V10/26 , G06V10/774 , G06Q10/20 , G06Q50/06
Abstract: 本发明涉及电力行业目标检测技术领域，具体提供了一种电力行业目标检测方法及装置，包括：获取待检测场景图像；将所述待检测场景图像作为预先训练的电力行业目标检测模型的输入，得到所述预先训练的电力行业目标检测模型输出的待检测场景图像的检测结果；所述检测结果包括下述中的至少一种：目标的位置和类别。本发明提供的技术方案，解决电力行业目标检测任务中的标注量大和训练准确性低的问题，并具备更广泛的适用性，提供了更高效、准确的目标检测解决方案，推动电力行业及其他领域的智能化发展。
-
公开(公告)号：CN115904703A
公开(公告)日：2023-04-04
申请号：CN202211369437.3
申请日：2022-11-03
Applicant: 国家电网有限公司大数据中心
IPC: G06F9/50 , G06F18/23213 , G06N3/006
Abstract: 本发明提供了一种日志数据挖掘方法及系统，包括：获取所需的日志文件的数据；采用MapReduce模型对数据进行数据处理操作获得属性数据；采用粒子群优化算法对属性数据进行寻优操作获得属性数据初始最优聚类中心；采用K‑means算法结合属性数据初始最优聚类中心对属性数据进行聚类操作获得最优聚类结果。本发明采用MapReduce模型进行数据处理操作的技术特征，提升大数据情况下数据准备的效率和准确率，并且采用粒子群优化算法确定聚类中心进而采用K‑means算法进行聚类操作的技术特征，消除了K‑means算法对初始聚类中心的依赖，提高了传统聚类算法初始聚类中心选取的准确性，提升了聚类算法用于日志数据挖掘结果的准确性和效率，极大提高日志数据挖掘的整体处理效率。
-
公开(公告)号：CN115640408A
公开(公告)日：2023-01-24
申请号：CN202211335834.9
申请日：2022-10-28
Applicant: 国家电网有限公司大数据中心
IPC: G06F16/36 , G06F16/35 , G06F40/295 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于数据的关系抽取方法、装置、设备及存储介质。该方法包括：获取多个表元数据，对所述多个表元数据进行预处理得到元数据集合；基于所述元数据集合完成元数据‑实体的映射任务得到实体集合；基于所述实体集合构建网络图；基于图神经网络算法对所述网络图完成图谱补全得到目标网络图；基于所述目标网络图完成实体关系识别，得到实体关系类型。该方法基于表元数据研究相应的实体映射算法，以定义实体关系类型，能够挖掘出更全面的实体关系，提高了实体关系的识别效率。
-
公开(公告)号：CN114821155A
公开(公告)日：2022-07-29
申请号：CN202210324966.5
申请日：2022-03-29
Applicant: 国家电网有限公司大数据中心
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于可变形NTS‑NET神经网络的多标签分类方法及系统，包括：将待分类图像输入预先训练好的网络模型得到图像的分类标签矩阵；基于分类标签矩阵确定待分类图像的分类标签；其中，网络模型是基于图像及其对应的分类标签对NTS‑NET神经网络进行训练得到的；NTS‑NET神经网络是基于在神经网络中引入可变性卷积和通道注意力机制构建的。本发明利用NTS‑NET作为基本框架,通过在网络模型引入可变形卷积实现对几何变换幅度较大的目标关键局部区域准确定位,并在审查器网络中引入通道注意力机制,有选择性地加强包含有用信息的特征并抑制无用特征，最终实现复杂图像的多属性分类。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.106 seconds)
