-
公开(公告)号：CN107590565B
公开(公告)日：2021-01-05
申请号：CN201710806517.3
申请日：2017-09-08
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明实施例提供了一种建筑能耗预测模型的方法及装置，方法包括：获取能耗影响因子集合；将其分为线性相关影响因子集合及非线性相关影响因子集合；分别构建相应的贝叶斯网络模型；基于相应的所述贝叶斯网络模型分组为第一主要影响因子、第一非主要影响因子、第二主要影响因子及第二非主要影响因子；构建各BP神经网络训练模型；基于训练样本数据，分别对各BP神经网络训练模型进行训练；基于预设的测试样本数据，分别对训练后的各BP神经网络训练模型进行预测检验，输出预测结果值；若预测结果值的误差在预设的误差范围，输出线性相关影响因子的能耗预测模型及非线性相关影响因子的能耗预测模型。
-
公开(公告)号：CN107170270B
公开(公告)日：2020-02-28
申请号：CN201710537573.1
申请日：2017-07-04
Applicant: 北京首钢自动化信息技术有限公司
IPC: G08G1/123
Abstract: 本发明公开了一种车辆出库管理方法、装置、计算机可读存储介质及设备，属于公交车立体车库车辆出库技术领域。所述车辆出库管理方法包括以下步骤：根据设定的预检时间和出车时刻表通过动态参数极值分析获取预检车位数量；根据预检车位数量、预检时间和车库车位运送时间表，按照贪心原理生成单车库的最优调度策略；根据待出库总车辆数获取需要参与出车的车库数量；根据参与出车的车库数量、预检车位数量、出车时刻表及单车库的最优调度策略，采用PSG算法，动态调配公交车立体车库的每个车库的制动时刻，生成出车策略。本发明解决了公交车立体车库的车辆出库管理方法可以动态调配公交立体车库的每个车库的制动时刻，生成公交车立体车库的出车策略。
-
公开(公告)号：CN109242278A
公开(公告)日：2019-01-18
申请号：CN201810959793.8
申请日：2018-08-20
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明涉及车辆调度技术领域，尤其涉及一种自行车入库出库调度方法及装置，包括，根据统计获得的一天中每种类型车辆对应的车辆入库出库时刻表，分析获得一天中不同时间段内，预入库、出库的车辆类型和数量，然后根据同一时间段内预入库、出库的车辆类型和数量，生成对应的车辆调度策略，基于该车辆调度策略，将预出库的车辆调整至车库出口的位置区域的车位处，并在车库出口的位置区域为预入库的车辆预留车位，提高了车辆出库和入库的效率，无需用户等待，提高用户体验度。
-
公开(公告)号：CN107315884B
公开(公告)日：2020-12-18
申请号：CN201710537577.X
申请日：2017-07-04
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明涉及一种基于线性回归的建筑能耗建模方法，包括：获得建筑中所有耗能单元的历史数据；对所有历史数据进行预处理；将分类数据运用线性回归分析拟合构建回归模型；根据目标函数预测耗能部件未来的预期能耗数值及建筑未来的预期总能耗数值。该建筑能耗建模方法能有效预测建筑能源的消耗情况，通过对影响条件的控制，达到节能减耗目的。
-
公开(公告)号：CN109242825A
公开(公告)日：2019-01-18
申请号：CN201810836974.1
申请日：2018-07-26
Applicant: 北京首钢自动化信息技术有限公司
IPC: G06T7/00
Abstract: 本申请公开了一种基于深度学习技术的钢铁表面缺陷识别方法和装置，所述方法包括：根据钢铁生产线的类型，收集相应的钢铁表面缺陷图片；根据标注平台的标注流程对缺陷进行标注，生成训练样本集和校验样本集；根据钢铁表面缺陷的种类和特征，设计神经网络模型；根据所述训练样本集和神经网络的训练流程，训练所述神经网络模型；根据所述校验样本集和所述神经网络模型的评估方法，评估所述神经网络模型的各项指标，并优化所述神经网络模型；根据设备性能和所述神经网络模型大小，分布式地进行所述神经网络模型的部署和应用。利用深度学习技术，优化神经网络模型，达到了降低设备成本，实时、高准确度地识别钢铁表面缺陷的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN107590565A
公开(公告)日：2018-01-16
申请号：CN201710806517.3
申请日：2017-09-08
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明实施例提供了一种构建建筑能耗预测模型的方法及装置，方法包括：获取能耗影响因子集合；将其分为线性相关影响因子集合及非线性相关影响因子集合；分别构建相应的贝叶斯网络模型；基于相应的所述贝叶斯网络模型分组为第一主要影响因子、第一非主要影响因子、第二主要影响因子及第二非主要影响因子；构建各BP神经网络训练模型；基于训练样本数据，分别对各BP神经网络训练模型进行训练；基于预设的测试样本数据，分别对训练后的各BP神经网络训练模型进行预测检验，输出预测结果值；若预测结果值的误差在预设的误差范围，输出线性相关影响因子的能耗预测模型及非线性相关影响因子的能耗预测模型。
-
公开(公告)号：CN107170270A
公开(公告)日：2017-09-15
申请号：CN201710537573.1
申请日：2017-07-04
Applicant: 北京首钢自动化信息技术有限公司
IPC: G08G1/123
Abstract: 本发明公开了一种车辆出库管理方法、装置、计算机可读存储介质及设备，属于公交车立体车库车辆出库技术领域。所述车辆出库管理方法包括以下步骤：根据设定的预检时间和出车时刻表通过动态参数极值分析获取预检车位数量；根据预检车位数量、预检时间和车库车位运送时间表，按照贪心原理生成单车库的最优调度策略；根据待出库总车辆数获取需要参与出车的车库数量；根据参与出车的车库数量、预检车位数量、出车时刻表及单车库的最优调度策略，采用PSG算法，动态调配公交车立体车库的每个车库的制动时刻，生成出车策略。本发明解决了公交车立体车库的车辆出库管理方法可以动态调配公交立体车库的每个车库的制动时刻，生成公交车立体车库的出车策略。
-
公开(公告)号：CN116050486A
公开(公告)日：2023-05-02
申请号：CN202211714095.4
申请日：2022-12-27
Applicant: 北京首钢自动化信息技术有限公司
IPC: G06N3/0495 , G06N3/082
Abstract: 本发明公开一种神经网络结构压缩方法、装置及电子设备，通过获取神经网络的参数文件；根据所述参数文件，确定神经网络每个节点对应的入度侧参数及出度侧参数；针对每个节点，根据预设的高斯函数，计算得到该节点入度测的热度值以及出度侧的热度值；分别将所述节点入度测的热度值以及出度侧的热度值和热度阈值进行比较，并根据比较结果判断是否删除所述节点。如此，通过对神经网络进行热度值分析，发现其中相对作用较小的节点，并进行删减，以达到神经网络结构优化，提升网络计算效率，降低存储空间。
-
公开(公告)号：CN115953786A
公开(公告)日：2023-04-11
申请号：CN202211646871.1
申请日：2022-12-21
Applicant: 北京首钢自动化信息技术有限公司
IPC: G06V30/16 , G06V30/148 , G06V30/19 , G06V10/20 , G06V10/26 , G06V10/764 , G06N20/00
Abstract: 本发明公开一种模型训练数据的管理方法、装置及电子设备，通过获取目标数据集；对目标数据集进行衍生处理，得到衍生数据集；根据目标数据集及衍生数据集，确定目标数据集的衍生链路；根据衍生链路，对数据集进行管理。如此，在模型训练前的数据集准备阶段，可以更好的基于复杂数据准备逻辑下的数据管理过程优化，方便数据集的查找和使用。通过以数据集为管理的基本单位，进行集合式的数据管理，清晰了解数据集的衍生过程，从而支持以数据集为单位的数据处理流程记录和血缘跟踪，实现处理流程的局部更新，降低处理流程中重复工作造成的负载压力和效率降低。
-
公开(公告)号：CN109657799A
公开(公告)日：2019-04-19
申请号：CN201811381246.2
申请日：2018-11-20
Applicant: 北京首钢自动化信息技术有限公司
IPC: G06N20/00
Abstract: 本发明提供了一种基于场景适配的模型调优方法和装置，通过基于用户提供的特定场景信息，确定所述设定场景对应的N个算法模型；其中，N为正整数；对所述用户提供的数据集进行划分，获得训练集和测试集；通过所述训练集分别对各算法模型进行训练，获得各算法模型对应的一个或者多个子模型；通过所述测试集分别对各算法模型对应的一个或者多个子模型进行测试，确定出所述特定场景信息对应的最优模型。解决了现有技术中实际场景难以选择到合适的算法，为产业发展提供助力的技术问题。达到了保证模型的各项指标和泛化能力，并达到最终确认最优模型的能力，方便快捷，准确性高，获得泛化准确度、性能、适配性水平高的最优模型的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.04 seconds)
