-
公开(公告)号：CN115688789B
公开(公告)日：2024-04-02
申请号：CN202211433871.3
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/295 , G06F40/216 , G06F16/35 , G06F18/214
Abstract: 本发明涉及一种基于动态标签的实体关系抽取模型训练方法及系统，属于数据处理技术领域，解决了现有技术中样本不均衡时关系抽取模型准确率低的问题。包括预处理历史质量问题分析报告，构建样本集，将样本集划分为训练集和测试集；构建PCNN模型，基于训练集训练PCNN模型，根据当前训练结果动态更新各训练样本对应的各关系类别标签值，直至训练结束，得到训练好的PCNN模型；基于测试集验证PCNN模型，当模型准确率小于阈值，根据验证结果更新各关系类别的样本权重，并根据更新后的各关系类别的样本权重扩充训练集，基于扩充后的训练集再次训练PCNN模型，直至模型准确率不小于阈值，得到优化的PCNN模型，作为实体关系抽取模型。实现了关系抽取模型的高准确率。
-
公开(公告)号：CN117493934A
公开(公告)日：2024-02-02
申请号：CN202311515292.8
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: G06F18/24 , G06N3/0464 , G06F18/214 , G06N3/08 , G06F18/213 , G06Q10/0639
Abstract: 本发明涉及一种用于质量缺陷类别识别模型的训练方法及装置，属于装备检测技术领域，解决了现有技术中识别模型识别不准确的问题。所述训练方法包括：获取若干个正常类别样本和若干个缺陷类别样本；按照模型训练集中预设正常样本比例从正常类别样本中取样，得到正常样本训练集；按照模型训练集中预设缺陷样本比例对缺陷类别样本进行扩充得到新增缺陷类别样本，原始缺陷类别样本和新增缺陷类别样本形成缺陷样本训练集；建立质量缺陷类别识别模型；根据模型训练集中的各个样本对质量缺陷类别识别模型进行训练，得到训练完成的质量缺陷类别识别模型。实现了识别模型对装备质量的精准识别。
-
公开(公告)号：CN117272796A
公开(公告)日：2023-12-22
申请号：CN202311203706.3
申请日：2023-09-18
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06N3/092 , G06N3/0499
Abstract: 本发明涉及一种发动机燃烧场自动控制模型构建方法，包括：接收智能体的经验数据；包括：智能体当前周期的状态空间s、智能体策略网络基于所述当前周期的状态空间生成的发动机仿真环境动作空间a、基于发动机仿真环境动作空间确定的智能体下一周期的状态空间s’、基于下一周期的状态空间所确定的奖励信息r及结束信号d；将经验数据 存入经验池；经验池中经验数据达到预设数据量时，从经验池中获取经验数据作为训练数据，训练智能体得到发动机燃烧场自动控制模型。实现了通过构造发动机燃烧场自动控制模型精确控制及调整发动机燃烧场的多个关键参数使得发动机燃烧过程能够更加准确地达到预期的目标压力值。
-
公开(公告)号：CN117034781A
公开(公告)日：2023-11-10
申请号：CN202311139690.4
申请日：2023-09-05
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06F30/15 , G06N3/0464 , G06N3/08 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种基于热载荷反演引导的温度场重构方法，属于数字孪生领域，解决了现有温度场重构方法没有反演热载荷信息，无法实时、安全、可靠的预测温度场数据的问题。方法包括：获取采样点连续时刻的实时温度值；将所述实时温度值输入训练好的温度场重构模型的热载荷反演器中，得到热载荷信息编码；将所述热载荷信息编码和随机噪声矩阵输入训练好的温度场重构模型的生成器中，得到温度场重构数据。实现了通过反演热载荷信息，可以安全、可靠、高效的预测温度场数据，可对温度场进行实时监测。
-
公开(公告)号：CN116502829A
公开(公告)日：2023-07-28
申请号：CN202310277354.X
申请日：2023-03-21
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/0631 , G06F30/20 , G06F111/06
Abstract: 本发明涉及一种一站式岸基勤务保障服务系统和方法，属于港口岸基勤务保障筹划领域。包括驻泊管理模块、能源供给模块、物资出库管理模块、维修业务管理模块和后勤业务管理模块，为港口后勤的能源供应提供了提供高效率低耗时和基于数据提供准确决策的一站式模型保障；尤其是通过采用遗传算法与模拟退火算法结合的算法对能源供给模型中的油/水供给模型求解，为港口对船只的油/水供给提供了准确的算法依据。
-
Patent Agency Ranking
公开(公告)号：CN115729526A
公开(公告)日：2023-03-03
申请号：CN202211509215.7
申请日：2022-11-29
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种单体和微服务一体化软件开发方法，属于计算机软件技术领域，解决了现有无法自动识别单体和微服务部署模式且无法共用一套前端界面的问题。包括构建通用工程，在其中构建自定义注解类和切面类，以声明自定义注解类为切面类的切入点，通过切面类的前置通知方法及其输入参数，获取声明了自定义注解类的变量对应的实例；构建依赖于通用工程的业务工程，包括模型子工程、API子工程、服务子工程、单体启动子工程和微服务启动子工程；在服务子工程的控制类中定义API子工程中服务接口类的变量，并在变量上声明自定义注解类；对业务工程中单体启动子工程或微服务启动子工程打包，生成当前业务工程的部署包。实现了单体微服务模式的自动识别。
-
公开(公告)号：CN113959447A
公开(公告)日：2022-01-21
申请号：CN202111224203.5
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种相对导航高噪声量测量识别方法、装置、设备和存储介质；方法包括：基于多无人机相对导航任务，确定Kalman滤波的状态序列和量测序列；建立与状态序列和量测序列对应的Kalman滤波模型；采用Kalman滤波模型进行滤波；在Kalman滤波过程中，计算量测序列中量测量关于Kalman滤波的置信度；当置信度低于置信阈值时，则判定所述量测量为高噪声量测量，标识所述量测量的Kalman滤波结果无效。本发明通过在卡尔曼滤波计算过程中判定出高噪声量测量数据，提升了卡尔曼滤波计算结果准确性。
-
公开(公告)号：CN112395968B
公开(公告)日：2021-08-27
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
公开(公告)号：CN112560173B
公开(公告)日：2021-08-17
申请号：CN202011423713.0
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06F119/08
Abstract: 本发明涉及一种基于深度学习的车辆耐候性温度预测方法及装置，属于神经网络技术领域，解决了现有的车辆耐候性温度预测方法效率较低且温度预测结果精度较低的问题。方法包括：获取训练数据，训练数据包括大气环境参数及其对应的车辆测点温度；对大气环境参数及其对应的车辆测点温度进行归一化处理，得到归一化的训练数据样本；构建深度学习预测模型，并将归一化的训练数据样本输入深度学习预测模型进行模型训练，得到训练好的深度学习预测模型；获取待预测数据样本，并基于训练好的深度学习预测模型对待预测数据样本对应的车辆测点温度进行预测，得到车辆测点温度的预测值。实现了车辆测点温度的预测，提高了预测效率和精度。
-
公开(公告)号：CN112560173A
公开(公告)日：2021-03-26
申请号：CN202011423713.0
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06F119/08
Abstract: 本发明涉及一种基于深度学习的车辆耐候性温度预测方法及装置，属于神经网络技术领域，解决了现有的车辆耐候性温度预测方法效率较低且温度预测结果精度较低的问题。方法包括：获取训练数据，训练数据包括大气环境参数及其对应的车辆测点温度；对大气环境参数及其对应的车辆测点温度进行归一化处理，得到归一化的训练数据样本；构建深度学习预测模型，并将归一化的训练数据样本输入深度学习预测模型进行模型训练，得到训练好的深度学习预测模型；获取待预测数据样本，并基于训练好的深度学习预测模型对待预测数据样本对应的车辆测点温度进行预测，得到车辆测点温度的预测值。实现了车辆测点温度的预测，提高了预测效率和精度。
-
-
-
-
-
-
-
-
-
Search Results
300
records
(took 0.188 seconds)
