部分可观测条件下的工业流水线的预测性维护方法

    公开(公告)号:CN117575561A

    公开(公告)日:2024-02-20

    申请号:CN202311480213.4

    申请日:2023-11-08

    Abstract: 本发明公开了部分可观测条件下的工业流水线的预测性维护方法,属于工业流水线智能维护决策技术领域。它包括以下步骤:S1、基于机器运行过程中发生劣化过程,建立部分可观测马尔可夫模型;S2、基于步骤S1中的部分可观测马尔可夫模型,通过双智能体求解得最优决策,实现观测流水线某一时刻的瞬态性能状态,模拟流水线实时运行过程。相对于现有技术,更好地反映真实工业环境中的观测限制。有助于提高维护策略的实际适用性,更贴近实际生产情况;本发明引入多智能体协同工作的理念,将复杂多层次问题分解为双智能体之间的相互协作,允许更精细的维修方式控制。此外,采用反事实准则的奖励分配机制,在智能体之间分配局部奖励,实现整体优化目标。

    一种基于知识图谱的专家推荐神经网络的构建方法

    公开(公告)号:CN118427358A

    公开(公告)日:2024-08-02

    申请号:CN202410394568.X

    申请日:2024-04-02

    Abstract: 本发明属于专家推荐模型领域,公开了一种基于知识图谱的专家推荐神经网络的构建方法,首先遍历知识图谱的所有实体节点,对应获取多个聚合节点集,然后通过神经网络学习预定故障特征语句、多个聚合节点集的依赖度形成专家推荐神经网络,其中每个当前实体节点对应获取聚合节点集的过程为:首先基于当前实体节点及其关联的关系嵌入构建可学习的注意力分数模型;接着基于当前实体节点、注意力分数模型获取基准跳结构;然后基于基准跳结构、注意力分数模型得到升阶跳结构;然后基于基准跳结构、升阶跳结构得到跳聚合结构,将跳聚合结构作为新的基准跳结构;最后基于基准跳结构和当前实体节点得到聚合节点集。

    一种融合LLM大模型的知识图谱的纠错方法

    公开(公告)号:CN118069868A

    公开(公告)日:2024-05-24

    申请号:CN202410387475.4

    申请日:2024-04-01

    Abstract: 本发明涉及一种融合LLM大模型的知识图谱的纠错方法及装置,属于人工智能技术领域,包括以下步骤:获取知识图谱数据,并构建错误检测模型的训练数据;构建知识图谱错误检测模型用于检测错误的三元组;使用带有正负样本的训练数据对错误检测模型进行训练;构建知识图谱纠错模型;使用错误检测模型检测错误三元组,并将其传递给纠错模型,由纠错模型修复错误三元组,创建一个检错网络比较修复前后的三元组,评估纠错模型的性能。将知识图谱输入通过评估的纠错模型,由纠错模型对知识图谱进行纠错。本发明通过结合LLM大模型,在对知识图谱的错误检测和纠错上性能更好,能大大减少人工检测的工作量。

Patent Agency Ranking