-
公开(公告)号:CN118196550A
公开(公告)日:2024-06-14
申请号:CN202410186340.1
申请日:2024-02-20
Applicant: 云南电网有限责任公司信息中心
IPC: G06V10/774 , G06V10/762 , G06V10/30 , G06T5/70 , G06T5/60 , G06T5/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于人工智能的图像处理方法及系统,涉及图像处理技术领域,包括建立云端图像存储数据库,设计深度可变神经网络架构;基于神经网络架构建立图像数据优化模型,基于深度学习技术对大规模图像数据进行标注训练,获取标签图像并制作数据集;利用人工智能技术执行图像处理方法。本发明通过引入自适应学习算法和动态调整访问频率等机制,实现了对图像数据访问的智能化管理,提升了系统的性能和稳定性。
-
公开(公告)号:CN115063027A
公开(公告)日:2022-09-16
申请号:CN202210811148.8
申请日:2022-07-11
Applicant: 云南电网有限责任公司
IPC: G06Q10/06
Abstract: 本发明公开了一种基于数据分析技术的物资需求管控预警方法,包括:根据历史采购数据构建初始化需求采购模型;根据所述初始化需求采购模型利用历史采购总金额与时间的变化趋势进行数据分析得到预测的需求采购总金额;根据所述初始化需求采购模型利用历史采购总金额与物资占比金额的变化趋势进行数据分析得到预测的需求物资占比;所述预测的需求物资占比和预测的需求采购总金额与实际历史数据值进行校验,预测需求采购总金额的发展趋势,合理规划物资采购。本发明通过调整一类物资占比、二类物资占比的比例以及零星采购的数量,减少不必要的采购金额,提高采购效率。
-
公开(公告)号:CN107609746B
公开(公告)日:2021-03-19
申请号:CN201710710276.2
申请日:2017-08-18
Applicant: 云南电网有限责任公司物资部
IPC: G06Q10/06 , G06Q10/10 , G06F16/2458 , G06F16/215
Abstract: 本发明涉及招投标技术领域,提供了一种基于数据OLAP分析及配套检索的智能化招投标方法,包括:步骤一、kettle构建招投标数据仓库;步骤二、构建基于OLAP的分析模型;步骤三、根据分析模型对招投标数据仓库进行检索。本发明的有益效果为:将招投标与数据仓库、OLAP技术相结合,降低并发OLAP中星型连接的代价,提高并发查询处理能力,提高了效率;实现数据分析结果的随需查询、随需分析、随需展现和随需发布,优化招投标采购需求;实现招投标历史数据转换为面向主题的、集成的、稳定的、随时间变化的数据集合,用以支持管理决策的过程,宏观层面实现数据仓库管理的可视化。
-
公开(公告)号:CN107609746A
公开(公告)日:2018-01-19
申请号:CN201710710276.2
申请日:2017-08-18
Applicant: 云南电网有限责任公司物资部
Abstract: 本发明涉及招投标技术领域,提供了一种基于数据OLAP分析及配套检索的智能化招投标方法,包括:步骤一、kettle构建招投标数据仓库;步骤二、构建基于OLAP的分析模型;步骤三、根据分析模型对招投标数据仓库进行检索。本发明的有益效果为:将招投标与数据仓库、OLAP技术相结合,降低并发OLAP中星型连接的代价,提高并发查询处理能力,提高了效率;实现数据分析结果的随需查询、随需分析、随需展现和随需发布,优化招投标采购需求;实现招投标历史数据转换为面向主题的、集成的、稳定的、随时间变化的数据集合,用以支持管理决策的过程,宏观层面实现数据仓库管理的可视化。
-
公开(公告)号:CN118013975A
公开(公告)日:2024-05-10
申请号:CN202410169223.4
申请日:2024-02-06
Applicant: 云南电网有限责任公司信息中心
IPC: G06F40/30 , G06F18/22 , G06F17/16 , G06F17/18 , G06F18/24 , G06F16/23 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于人工智能的自然语言处理方法及系统,包括:收集自然语言数据,对自然语言数据进行清洗和标注,建立数据分析模型分析自然语言数据;构建交叉语言学习模型,利用深度学习进行语义理解并生成回应;收集用户反馈,通过网络对数据库进行更新完善。本发明方法从多样化数据源中提取信息,通过数据分析模型计算与历史数据的相似度,使模型能够精准地区分普通话和各种方言,提高了语义理解的深度和广度。进一步根据区分普通话和各种方言建立交叉语言学习模型,针对性的进行特征提取,进行语义理解并生成回应。此外,通过收集用户反馈并实时更新数据库,实现了模型的自我学习和优化,确保了长期的有效性和适应性,显著提升了用户体验。
-
-
-
-