-
公开(公告)号：CN117392697A
公开(公告)日：2024-01-12
申请号：CN202311366244.7
申请日：2023-10-20
Applicant: 东南大学 , 国家电网有限公司华北分部
IPC: G06V30/422 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于YOLO目标检测框架的电气图元符号检测方法，该方法首先采集电气厂站图纸数据构造训练数据集；再设计规格自适应特征提取网络；最后网络输出得到图纸特征表示，并训练得到特征提取网络框架；使用通道注意力机制对YOLO目标检测框架进行改进，得到基于YOLO目标检测框架的图元符号检测模型，构造目标预测网络框架；初始化图元符号检测模型中的参数，并对特征提取网络框架和目标预测网络框架进行交替训练，对模型中的参数进行更新，得到训练完善的基于YOLO目标检测框架的图元符号检测模型。本发明可用于检测电气接线图纸中的各类电气图元符号，为电气接线图纸的矢量化工作乃至电网自动化调控提供基础。
-
公开(公告)号：CN117390275A
公开(公告)日：2024-01-12
申请号：CN202311366242.8
申请日：2023-10-20
Applicant: 东南大学 , 国家电网有限公司华北分部
IPC: G06F16/9535 , G06N5/022
Abstract: 本发明提供了一种基于知识图谱的序列化推荐方法，包括：设计时间注意力机制训练序列化推荐模型，建模用户历史兴趣序列；设计多粒度聚合方法训练知识图谱表示学习模型，建模物品辅助信息；采用多任务学习框架将序列化推荐模型和知识图谱模型相结合，在用户兴趣和物品信息间搭建桥梁，推荐用户感兴趣的物品。与现有推荐方法相比，本发明一是能挖掘用户随时间推移的动态偏好；二是能挖掘物品高阶信息，避免物品信息损失；三是提出为用户动态兴趣序列与物品静态辅助信息通过多任务学习完成信息共享，提升推荐效果。
-
公开(公告)号：CN109932617B
公开(公告)日：2021-02-26
申请号：CN201910287943.X
申请日：2019-04-11
Applicant: 东南大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于深度学习的自适应电网故障诊断方法，首先，根据电网结构图设计新颖的电网结构知识表示；其次，设计T步迭代算法自适应地融合有效信息，并构造设备高级特征，从而实现设备的特征提取；最后，使用全连接神经网络融合设备高级特征，构造全网高级特征，综合全网高级特征和设备高级特征作为输入，实现电网的多故障诊断，从而有效提高模型的可移植性与多故障诊断性能。本发明可实现复杂电网故障诊断功能，并显著提升电网故障诊断方法的可移植性和多故障诊断的性能。
-
公开(公告)号：CN109062949A
公开(公告)日：2018-12-21
申请号：CN201810649787.2
申请日：2018-06-21
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种提高在线聚集中多表连接查询效率的方法。本发明包含步骤S1：构建索引模块，通过混合整数线性规划模型从历史记录的多表查询中选择合适的连接属性，对选择的连接属性建立索引；步骤S2：根据步骤1中创建的索引，设计多表连接查询算法Index Ripple Join；步骤S3：使用中心极限定理对采集的样本进行区间估计，从而得到多表连接查询置信区间。本发明能够有效提高在线聚集中多表连接查询的效率。
-
公开(公告)号：CN108710640A
公开(公告)日：2018-10-26
申请号：CN201810351379.9
申请日：2018-04-17
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种提高Spark SQL的查询效率的方法。本发明包括步骤S1：构建查询预分析模块，通过估算模型，计算Shuffle产生的中间数据的大小，从而计算出用于缓存所述中间数据的中间数据缓存层的总大小；步骤S2：根据步骤1计算出的中间数据缓存层的总大小，结合集群中每个结点输入数据的分布情况，通过缓存层分配模块为每个结点设置合理的内存空间大小。本发明能有效地通过Shuffle中间数据缓存处理方法解决Spark SQL查询中磁盘I/O开销较高的问题。
-
Patent Agency Ranking
公开(公告)号：CN102739785B
公开(公告)日：2014-12-17
申请号：CN201210205574.3
申请日：2012-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于网络带宽估计的云计算任务调度方法，本发明平台分为数据中心、机架、计算节点三级，并由管理节点统一管理，计算节点负责执行任务和采集可用带宽信息；当执行任务时，计算节点从本地硬盘或通过网络读取输入数据，当任务完成后，计算节点向管理节点请求新的任务；管理节点负责管理可用带宽信息和调度任务，在管理可用带宽信息时，管理节点收集计算节点的带宽数据，指定不同机架内的两台计算节点执行可用带宽估计程序，并统计可用带宽信息；当计算节点请求任务时，管理节点结合机架内网络带宽、机架间可用带宽、数据中心负载，做出任务调度决策。
-
公开(公告)号：CN101783768A
公开(公告)日：2010-07-21
申请号：CN201010119977.7
申请日：2010-03-08
Applicant: 东南大学
Abstract: 基于资源预留的网格服务质量保证方法，主要包含基于虚拟组织的网格资源预留系统架构及部署在架构中的网格资源联合分配算法。基于虚拟组织的网格资源预留系统架构引入虚拟资源容器聚合相同功能的资源，到达虚拟组织的预留请求首先与虚拟资源容器进行虚拟绑定，当请求的预留时间到达时，逻辑资源分配器为预留请求分配一个或多个资源。针对单个工作单元和工作单元工作流两种不同类型的网格应用，逻辑资源分配器中部署了基于QoS欧拉距离的网格资源联合分配算法和具有QoS保证的网格联合资源分配算法。
-
公开(公告)号：CN114328519A
公开(公告)日：2022-04-12
申请号：CN202111593769.5
申请日：2021-12-23
Applicant: 东南大学
IPC: G06F16/22 , G06F16/2453 , G06N20/00
Abstract: 本发明提供了一种基于机器学习的数据索引优化方法，包括对主键索引进行优化以及对二级索引进行优化。前者在模型分层结构的设计下，通过自顶向下拟合预测残差来充分利用非叶子模型的拟合效果、权重更新来提高对离群数据的关注度和预设阈值进行数据剪枝这三个方面提高多维主键数据的预测准确度。后者在第一阶段使用二分类模型和Bloom Filter进行两步筛选，将数据集划分成唯一键值和非唯一键值，并保有一定的误判率。在第二阶段根据两类数据的特点，分别构建索引模型进行处理，从而满足二级索引的查询要求。本发明能够适应多种索引类型，提升索引的查询效率，降低索引的空间开销。
-
公开(公告)号：CN113962214A
公开(公告)日：2022-01-21
申请号：CN202111239034.2
申请日：2021-10-25
Applicant: 东南大学
IPC: G06F40/216 , G06F40/295 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于ELETRIC‑BERT的实体抽取方法，包括：通过预训练得到领域预训练模型ELETRIC‑BERT；将领域预训练模型ELETRIC‑BERT与实体抽取基本模型进行整合，得到基于ELETRIC‑BERT的实体抽取模型；使用模块替换策略，将原模型参数量压缩为原来的一半；使用压缩后的模型，进行实体抽取任务，从文本语料中抽取出领域实体。与现有实体抽取技术相比，本发明可以在实现高准确抽取率的同时，大幅度减少模型对标注语料的依赖。
-
公开(公告)号：CN108710640B
公开(公告)日：2021-11-12
申请号：CN201810351379.9
申请日：2018-04-17
Applicant: 东南大学
IPC: G06F16/2455
Abstract: 本发明公开了一种提高Spark SQL的查询效率的方法。本发明包括步骤S1：构建查询预分析模块，通过估算模型，计算Shuffle产生的中间数据的大小，从而计算出用于缓存所述中间数据的中间数据缓存层的总大小；步骤S2：根据步骤1计算出的中间数据缓存层的总大小，结合集群中每个结点输入数据的分布情况，通过缓存层分配模块为每个结点设置合理的内存空间大小。本发明能有效地通过Shuffle中间数据缓存处理方法解决Spark SQL查询中磁盘I/O开销较高的问题。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.048 seconds)
