-
公开(公告)号：CN116050480A
公开(公告)日：2023-05-02
申请号：CN202211502073.1
申请日：2022-11-28
Applicant: 华为技术有限公司
IPC: G06N3/0475 , G06N3/0455 , G06N3/088
Abstract: 本申请实施例公开一种电池数据的处理方法、机器学习模型的训练方法以及设备，该方法可用于电池的故障监测领域中，方法包括：根据电池的第一特征参数的第一取值信息，生成电池的第一特征参数的第二取值信息，第一特征参数为电池自身的特征参数，在电池的使用过程中不能够采集到，第一取值信息指示电池在正常状态时第一特征参数的取值，第二取值信息指示电池在故障状态时第一特征参数的取值；进而根据该第二取值信息，生成电池在故障状态时第二特征参数的第三取值信息，第二特征参数为电池在使用过程中的特征参数；由于电池大部分时间是处于正常状态的，电池在正常状态时自身的特征参数容易获取，也即降低了本方案的实现难度。
-
公开(公告)号：CN111431736A
公开(公告)日：2020-07-17
申请号：CN202010124751.X
申请日：2020-02-27
Applicant: 华为技术有限公司
IPC: H04L12/24
Abstract: 本申请提供了一种告警关联规则生成方法和分析装置，涉及通信技术领域，该方法根据告警记录得到各个告警的向量表示，并计算向量之间的相似度。由于两个向量的相似度包含一定频繁项的信息，相似度高的向量所对应的告警是频繁项的可能性就越大，因此可以根据向量之间的相似度，确定近似的频繁项。这样，可以将告警之间的信息转化为向量之间的关系，根据向量之间的关系得到近似的频繁项，再根据近似的频繁项生成告警关联规则，可以避免获得频繁项时繁琐的统计过程，有助于提高计算效率，降低挖掘告警关联规则的耗时。
-
公开(公告)号：CN111431736B
公开(公告)日：2022-05-13
申请号：CN202010124751.X
申请日：2020-02-27
Applicant: 华为技术有限公司
IPC: H04L41/06
Abstract: 本申请提供了一种告警关联规则生成方法和分析装置，涉及通信技术领域，该方法根据告警记录得到各个告警的向量表示，并计算向量之间的相似度。由于两个向量的相似度包含一定频繁项的信息，相似度高的向量所对应的告警是频繁项的可能性就越大，因此可以根据向量之间的相似度，确定近似的频繁项。这样，可以将告警之间的信息转化为向量之间的关系，根据向量之间的关系得到近似的频繁项，再根据近似的频繁项生成告警关联规则，可以避免获得频繁项时繁琐的统计过程，有助于提高计算效率，降低挖掘告警关联规则的耗时。
-
公开(公告)号：CN113705769A
公开(公告)日：2021-11-26
申请号：CN202110536755.3
申请日：2021-05-17
Applicant: 华为技术有限公司
Abstract: 本申请提供一种神经网络训练方法以及装置，用于结合样本的初始标签和伪标签来衡量初始标签的可信程度，并基于初始标签和伪标签对模型进行更新，得到鲁棒性更优的模型。该方法包括：使用训练集对初始模型进行预训练，得到至少两个预训练模型；使用训练集对至少两个预训练模型进行迭代训练，得到训练后的多个第一模型，任意一次迭代训练过程包括：将第一训练集中任意一个样本输入得到每个样本的第一伪标签，通过第一预训练模型得到每个样本的预测标签，根据每个样本的预测标签、初始标签和第一伪标签计算第一损失值，并更新第一预训练模型，得到训练后的第一预训练模型。
-
Patent Agency Ranking
公开(公告)号：CN110351118B
公开(公告)日：2020-12-01
申请号：CN201910451935.4
申请日：2019-05-28
Applicant: 华为技术有限公司
IPC: H04L12/24
Abstract: 本申请提供一种根因告警决策网络构建方法、装置和存储介质，该方法包括：获取预设时间段内网络中出现的多个告警数据；确定所述多个告警数据中每个告警数据所对应的告警类型，得到多个告警类型；根据所述多个告警数据之间的时序关系，以多个告警类型中的每个告警类型为节点构建决策网络的拓扑结构；根据所述拓扑结构和各告警类型出现的频次，确定所述拓扑结构中每条边的目标权重，以生成所述根因告警决策网络。本申请提供的根因告警决策网络构建方法、装置和存储介质，不仅可以提高根因告警决策网络构建的效率，而且当网络系统中告警行为形态和告警类型数目发生变化时，可以不需要重构网络拓扑，从而有利于提高根因告警决策网络的可实施性。
-
公开(公告)号：CN113705769B
公开(公告)日：2024-09-13
申请号：CN202110536755.3
申请日：2021-05-17
Applicant: 华为技术有限公司
IPC: G06N3/0464 , G06F18/214
Abstract: 本申请提供一种神经网络训练方法以及装置，用于结合样本的初始标签和伪标签来衡量初始标签的可信程度，并基于初始标签和伪标签对模型进行更新，得到鲁棒性更优的模型。该方法包括：使用训练集对初始模型进行预训练，得到至少两个预训练模型；使用训练集对至少两个预训练模型进行迭代训练，得到训练后的多个第一模型，任意一次迭代训练过程包括：将第一训练集中任意一个样本输入得到每个样本的第一伪标签，通过第一预训练模型得到每个样本的预测标签，根据每个样本的预测标签、初始标签和第一伪标签计算第一损失值，并更新第一预训练模型，得到训练后的第一预训练模型。
-
公开(公告)号：CN111797895B
公开(公告)日：2024-04-26
申请号：CN202010480915.2
申请日：2020-05-30
Applicant: 华为技术有限公司
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了人工智能领域的一种分类器的训练方法，可以减少噪声标签的影响，获得一个分类效果良好的分类器。该方法包括：获取样本数据集，该样本数据集中的每个样本均包括第一标签。将样本数据集划分为K份子样本数据集，从K份子样本数据集中确定一组数据作为测试数据集，除测试数据集之外的其他子样本数据集作为训练数据集。通过训练数据集对分类器进行训练，并用训练后的分类器对测试数据集进行分类，得到测试数据集中的每个样本的第二标签。至少依据第一标签和第二标签获取第一指标和第一超参数。至少依据第一超参数获取分类器的损失函数，损失函数用于更新分类器。当第一指标满足第一预设条件时，完成分类器的训练。
-
公开(公告)号：CN111797895A
公开(公告)日：2020-10-20
申请号：CN202010480915.2
申请日：2020-05-30
Applicant: 华为技术有限公司
Abstract: 本申请公开了人工智能领域的一种分类器的训练方法，可以减少噪声标签的影响，获得一个分类效果良好的分类器。该方法包括：获取样本数据集，该样本数据集中的每个样本均包括第一标签。将样本数据集划分为K份子样本数据集，从K份子样本数据集中确定一组数据作为测试数据集，除测试数据集之外的其他子样本数据集作为训练数据集。通过训练数据集对分类器进行训练，并用训练后的分类器对测试数据集进行分类，得到测试数据集中的每个样本的第二标签。至少依据第一标签和第二标签获取第一指标和第一超参数。至少依据第一超参数获取分类器的损失函数，损失函数用于更新分类器。当第一指标满足第一预设条件时，完成分类器的训练。
-
公开(公告)号：CN110351118A
公开(公告)日：2019-10-18
申请号：CN201910451935.4
申请日：2019-05-28
Applicant: 华为技术有限公司
IPC: H04L12/24
Abstract: 本申请提供一种根因告警决策网络构建方法、装置和存储介质，该方法包括：获取预设时间段内网络中出现的多个告警数据；确定所述多个告警数据中每个告警数据所对应的告警类型，得到多个告警类型；根据所述多个告警数据之间的时序关系，以多个告警类型中的每个告警类型为节点构建决策网络的拓扑结构；根据所述拓扑结构和各告警类型出现的频次，确定所述拓扑结构中每条边的目标权重，以生成所述根因告警决策网络。本申请提供的根因告警决策网络构建方法、装置和存储介质，不仅可以提高根因告警决策网络构建的效率，而且当网络系统中告警行为形态和告警类型数目发生变化时，可以不需要重构网络拓扑，从而有利于提高根因告警决策网络的可实施性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
