面向动态演化的服务生态系统仿真构建演化方法

    公开(公告)号:CN118709578A

    公开(公告)日:2024-09-27

    申请号:CN202411199047.5

    申请日:2024-08-29

    Abstract: 本发明公开了一种面向动态演化的服务生态系统仿真构建演化方法,包括如下步骤:步骤一,构建服务生态系统决策生成模型;步骤二,模拟分析服务生态系统动态演化过程;步骤三,基于蒙特卡洛模拟得到的状态转移数据和概率,构建状态方程来描述系统状态的变化,具体如下式所示:#imgabs0##imgabs1#其中#imgabs2#为速率变量向量,表示状态变化的速度;之后进行仿真演算推理,然后根据仿真结果,为服务生态系统的优化和管理提供决策支持。本发明的面向动态演化的服务生态系统仿真构建演化方法,通过步骤一至步骤三的设置,便可简单有效的实现对于服务生态系统仿真构建演化。

    一种基于SSA和LSTM的烟草销量预测方法及装置

    公开(公告)号:CN116976946A

    公开(公告)日:2023-10-31

    申请号:CN202310789209.X

    申请日:2023-06-30

    Abstract: 本发明公开了一种基于SSA和LSTM的烟草销量预测方法,包括以下步骤:获取历史订单数据;采用STL季节分解法对历史订单数据进行数据序列构建,包括趋势序列,季节序列以及剩余序列;针对季节序列采用季节朴素法进行预测,以获得季节预测值;针对趋势序列采用奇异谱分析SSA分解为主分量和细节分量,以获得趋势预测值;针对剩余序列与外部影响因素进行拼接,并进行预测以获得余项预测值;基于获得的季节预测值,趋势预测值以及余项预测值进行整合,以获得综合预测结果作为订货策略的指导。本发明还提供了一种烟草销量预测装置。本发明的方法可以优化企业的出货和订货策略,从而缓解因订供货数据不平衡造成的卷烟成品库存积压的问题。

    基于多策略学习的非侵入式负荷识别方法和系统

    公开(公告)号:CN116610922A

    公开(公告)日:2023-08-18

    申请号:CN202310856650.5

    申请日:2023-07-13

    Abstract: 本发明公开了一种基于多策略的非侵入负荷识别方法和系统,包括:将一段待检测电流数据输入至用非侵入式负荷识别模型进行识别:(A)若事件识别模块识别到待检测电流数据中不存在开关事件,则输出多目标识别模块的识别结果;(B)若存在开关事件,(B‑1)若为关闭事件,则输出多目标识别模块的识别结果;(B‑2)若为打开事件,则通过开集识别模块识别打开的用电器是否为集外用电器,(B‑21)若不是集外用电器,则输出多目标识别模块的识别结果;(B‑22)若是集外用电器,对当前待检测电流数据进行标注并保存至训练数据集中;定期采用更新后的训练数据集对非侵入式负荷识别模型进行训练。本发明识别速度快、建模数据量小,单次可识别多种用电器类别。

    一种基于遗传算法的锻造工厂智能排产方法

    公开(公告)号:CN114707432B

    公开(公告)日:2022-10-14

    申请号:CN202210628037.3

    申请日:2022-06-06

    Abstract: 本发明公开了一种基于遗传算法的锻造工厂智能排产方法,包括:(1)基于遗传算法构建锻造工厂生产过程的数学模型,构建目标函数;(2)将生产合同的炉次和加热设备编码成染色体基因;(3)随机生成满足业务逻辑和规则约束的初始种群;(4)对初始种群的个体并进行交叉、变异操作,获得下一代种群;采用精英保留策略记录当前种群的最优解;(5)重复步骤(4)直至达到最大迭代次数;对每一代种群的最优解进行比较,得到全局最优解;(6)若在生产过程中有临时生产合同需要进行插单时,将每个生产工序上未开始的炉次和临时生产合同的生产工单作为输入,重复步骤(2)‑(5)。本发明可以准确评估预测生产时长,提高生产效率。

    一种基于主动学习的小样本文本标注方法及装置

    公开(公告)号:CN115129872A

    公开(公告)日:2022-09-30

    申请号:CN202210703906.4

    申请日:2022-06-21

    Abstract: 本发明公开了一种基于主动学习的小样本文本标注方法,包括:获取已标注样本集与未标注样本集;使用已标注样本集对预构建的标注模型进行训练,使用未标注样本集对训练后的标注模型进行测试;利用判断策略从测试结果中选取出至少一个不确定性文本,构建不确定性文本集;利用预先构建的主动学习框架,对步骤3获得的不确定性文本集进行数据处理与人工标注,获得代表性标注样本集;利用代表性标注样本集,对标注模型进行迭代训练,获得最终的标注模型。本发明还公开了一种基于上述方法构建的文本标注装置。本发明提供的方法通过引入判断策略与主动学习框架,提高了小样本资源的利用率,也缓解人工标注的压力,从而获得高质量的标注模型。

    基于特征表示的领域大模型多模态知识库的构建方法

    公开(公告)号:CN118779469B

    公开(公告)日:2025-02-07

    申请号:CN202411247105.7

    申请日:2024-09-06

    Abstract: 本发明公开了一种基于特征表示的领域大模型多模态知识库的构建方法,包括如下步骤:步骤一,收集并处理用于构建知识库的信息;步骤二,基于步骤一收集的知识库的信息进行多模态信息特征提取;步骤三,基于步骤一收集的信息和步骤二提取的多模态信息特征构建多模态知识库;步骤四,基于步骤三构建的多模态知识库提取用户输入的需求信息,构建领域意图识别模型,确定用户具体需求意图;步骤五,提取用户输入的需求信息,查询知识库,将查询到的知识块输入领域大模型,借助大模型生成能力输出用户所需求查询结果。本发明的基于特征表示的领域大模型多模态知识库的构建方法,弥补了现有大语言模型在处理多模态数据上的不足,增强用户体验感。

Patent Agency Ranking