-
公开(公告)号：CN114118633B
公开(公告)日：2022-06-10
申请号：CN202210090890.4
申请日：2022-01-26
Abstract: 本发明公开了一种基于先行关系的指标自优化预测方法及装置，包括：制定协同调整规则，计算时滞协同相关度形成时滞相关分析表，以及对时间序列指标进行筛选形成先行分析表；若指标时间长度远小于指标个数，则对指标集进行重抽样处理，并进行逐步回归；构造指标重要性测度公式，自优化先行指标集，形成关键先行指标集；利用关键先行指标集进行再逐步回归，开展参数估计与预测。本发明的基于先行关系的指标自优化预测算法，解决了高维数据分析过程中指标维度远高于指标数量而导致的预测失效问题。
-
公开(公告)号：CN114118633A
公开(公告)日：2022-03-01
申请号：CN202210090890.4
申请日：2022-01-26
Abstract: 本发明公开了一种基于先行关系的指标自优化预测方法及装置，包括：制定协同调整规则，计算时滞协同相关度形成时滞相关分析表，以及对时间序列指标进行筛选形成先行分析表；若指标时间长度远小于指标个数，则对指标集进行重抽样处理，并进行逐步回归；构造指标重要性测度公式，自优化先行指标集，形成关键先行指标集；利用关键先行指标集进行再逐步回归，开展参数估计与预测。本发明的基于先行关系的指标自优化预测算法，解决了高维数据分析过程中指标维度远高于指标数量而导致的预测失效问题。
-
公开(公告)号：CN115309754B
公开(公告)日：2023-03-10
申请号：CN202211238794.6
申请日：2022-10-11
IPC: G06F16/22 , G06F16/2455 , G06F16/25
Abstract: 本发明公开了一种基于信息稀疏情形的混频预测方法、装置及设备，通过构建多输入混频数据存取工具包，整合不同类型数据信息；制定信息稀疏水平判断规则以及指标频率转化目标；若指标信息稀疏水平无法满足指标频率转化要求，则对指标集进行插值处理，直至达到频率转化要求，形成分析指标集；混合不同模型开展预测，利用AIC信息准则形成预测结果；存储预测结果，并转化为形状数据，并通过可视化技术进行展示。本发明解决了混频预测分析中因低频指标观测数量过少，导致无法得到准确结果的问题。
-
公开(公告)号：CN115309754A
公开(公告)日：2022-11-08
申请号：CN202211238794.6
申请日：2022-10-11
IPC: G06F16/22 , G06F16/2455 , G06F16/25
Abstract: 本发明公开了一种基于信息稀疏情形的混频预测方法、装置及设备，通过构建多输入混频数据存取工具包，整合不同类型数据信息；制定信息稀疏水平判断规则以及指标频率转化目标；若指标信息稀疏水平无法满足指标频率转化要求，则对指标集进行插值处理，直至达到频率转化要求，形成分析指标集；混合不同模型开展预测，利用AIC信息准则形成预测结果；存储预测结果，并转化为形状数据，并通过可视化技术进行展示。本发明解决了混频预测分析中因低频指标观测数量过少，导致无法得到准确结果的问题。
-
公开(公告)号：CN114756605B
公开(公告)日：2022-09-16
申请号：CN202210663909.X
申请日：2022-06-14
IPC: G06F16/2458 , G06F16/22 , G06F16/28 , G06Q40/06
Abstract: 本发明公开了一种基于时间序列数据的混频预测方法及系统，包括原始数据获取模块、时间序列处理模块、混频数据预测模块和存储与展示模块；其中，原始数据获取模块，集成了多种平台获取数据的方式，从而获取高频和低频时间序列数据；时间序列处理模块对获取到的原始数据进行傅里叶变换，捕捉时间序列数据的周期频率，然后对时间序列进行分解，获取趋势序列、周期序列和残差序列；混频数据预测模块以高频时间序列数据作为自变量，以低频时间序列数据作为因变量，构建MIDAS混频模型，并拟合得到低频变量的预测值；存储与展示模块对最终的预测结果进行存储和展示。本发明适用范围广、操作便捷，预测时效性和准确率较高。
-
Patent Agency Ranking
公开(公告)号：CN114756605A
公开(公告)日：2022-07-15
申请号：CN202210663909.X
申请日：2022-06-14
IPC: G06F16/2458 , G06F16/22 , G06F16/28 , G06Q40/06
Abstract: 本发明公开了一种基于时间序列数据的混频预测方法及系统，包括原始数据获取模块、时间序列处理模块、混频数据预测模块和存储与展示模块；其中，原始数据获取模块，集成了多种平台获取数据的方式，从而获取高频和低频时间序列数据；时间序列处理模块对获取到的原始数据进行傅里叶变换，捕捉时间序列数据的周期频率，然后对时间序列进行分解，获取趋势序列、周期序列和残差序列；混频数据预测模块以高频时间序列数据作为自变量，以低频时间序列数据作为因变量，构建MIDAS混频模型，并拟合得到低频变量的预测值；存储与展示模块对最终的预测结果进行存储和展示。本发明适用范围广、操作便捷，预测时效性和准确率较高。
-
公开(公告)号：CN119226296B
公开(公告)日：2025-05-13
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
公开(公告)号：CN119847532A
公开(公告)日：2025-04-18
申请号：CN202510321770.4
申请日：2025-03-18
Applicant: 之江实验室
Abstract: 本申请公开了一种代码生成方法、装置、介质及设备，在接收到包含有用于描述待生成的代码在设定领域中所能实现功能信息的用户指令后，基于用户指令确定生成用户所需代码的各拆解步骤，并基于各拆解步骤从设定领域API库中确定与该用户指令相匹配的候选API的API列表，将API列表中的API与用户指令输入到大语言模型，使得大语言模型生成代码，通过解析生成的代码获得解析出的API，将其与API库中的API比对，更新API列表，以迭代生成代码，将执行代码时出现的错误信息反馈给大语言模型，并根据不同错误类型执行专项检索，以更新API列表，本申请显著增强领域代码生成的可靠性和准确率，为从业人员提供更高质量的编程支持。
-
公开(公告)号：CN119226296A
公开(公告)日：2024-12-31
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
公开(公告)号：CN118378091A
公开(公告)日：2024-07-23
申请号：CN202410791652.5
申请日：2024-06-19
Applicant: 之江实验室
IPC: G06F18/214 , G06F18/27 , G06F18/2431 , G06N3/0464 , G06N3/084
Abstract: 测天文光红移的标准数据集和基线模型的构建方法和系统，其方法包括：收集与测光红移任务相关的天文图像数据，进行数据预处理；计算红移真值并进行归一化处理，将红移数据转换为三元组；选择深度模型，根据分类数量修改模型头部为并行的分类头和回归头，并随机初始化网络参数；对输入样本计算分类损失和回归损失，并使用梯度下降算法更新神经网络模型参数，直至模型在训练集上的损失不再降低；联合建模深度神经网络和贝叶斯神经网络实现红移的不确定性估计；最后将训练好的模型进行部署，完成红移估计任务。本发明针对测光红移估计问题，建立了完整的机器学习数据集和基线模型方法，推进了机器学习方法在天文测光红移问题的应用。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.048 seconds)
