一种列车的需求数据分类的方法及装置

    公开(公告)号:CN105426393A

    公开(公告)日:2016-03-23

    申请号:CN201510711303.9

    申请日:2015-10-28

    CPC classification number: G06F16/285

    Abstract: 本发明提供了一种列车的需求数据分类的方法及装置,获取所采集的列车的需求数据;对所述需求数据进行分析,按照所述需求数据的属性特征对所述需求数据进行分类,所述属性特征包括主体需求,关键需求以及旅客需求;获取预设的属性特征的优先级;当不同属性特征的需求数据发生冲突时,比较需求数据的属性特征的优先级,满足属性特征优先权高的需求数据。本发明所提供的方法,按照所述需求数据的属性特征对所述需求数据进行分类,并预设了属性特征的优先级,当不同属性特征的需求数据发生冲突时,满足属性特征优先权高的需求数据,解决不同属性特征的需求数据的冲突,保证制造出的列车产品满足技术指标。

    一种基于知识图谱与图卷积网络的制造服务推荐方法

    公开(公告)号:CN119598150A

    公开(公告)日:2025-03-11

    申请号:CN202411699371.3

    申请日:2024-11-26

    Abstract: 本发明提供了一种基于知识图谱与图卷积网络的制造服务推荐方法,在制造服务‑任务信息知识图谱中,充分挖掘制造服务与任务所蕴含信息,通过图卷积网络实现制造服务和任务的特征表示。在聚合制造服务邻居信息与任务邻居信息过程中,根据节点的度中心性高低来选择邻居,根据制造服务邻居节点的关系分数和自注意力分数有选择地聚合邻居信息,减少噪声,生成制造服务表示,使用自注意力机制来聚合任务邻居信息,生成任务表示,有效解决由于另一端建模表示不足导致推荐结果具有局限性的问题,提高了推荐结果的准确性。

    基于非接触扫描测量的刀具曲面三维重建方法

    公开(公告)号:CN117934760B

    公开(公告)日:2025-01-24

    申请号:CN202410096929.2

    申请日:2024-01-23

    Abstract: 本发明公开了基于非接触扫描测量的刀具曲面三维重建方法,包括如下步骤:步骤一:刀具点云数据采集和预处理:11)采集刀具点云数据:利用机床伺服系统控制线激光扫描仪进行测量运动,采集多位置、多角度的刀具点云数据;12)刀具点云数据预处理:将三维点云数据视作二维数据,依次对其进行缺失值、精简和异常值处理,以优化点云质量,提高数据可用性;步骤二:刀具点云数据旋转拼接:基于刀具加工特性和旋转测量运动,对多组点云数据进行拼接,得到完整精准的点云数据;步骤三:刀具曲面三维重建:基于泊松曲面法进行刀具曲面三维重建。本发明基于非接触扫描测量的刀具曲面三维重建方法,具有测量效率高、测量信息完整度高等优点。

    一种基于服务节点对构建数字阴影车间的方法

    公开(公告)号:CN118567313A

    公开(公告)日:2024-08-30

    申请号:CN202410608040.8

    申请日:2024-05-16

    Abstract: 本发明公开了一种基于服务节点对构建数字阴影车间的方法,具体为:生产活动映射,将离散制造系统中的各个生产活动进行识别并映射成为服务节点对;控制指令映射,构建服务节点对参数和控制信号之间的映射关系,当参数发生变化时触发信号,实现基于服务节点对的生产执行;感知变量映射,在生产执行中,每一个物料都会根据其所经历的生产执行过程,记录生产执行逻辑触发历史并保存为服务节点对序列,用于感知和复现生产过程的各种活动;数字阴影车间构建,集成制造执行系统、生产仿真系统和生产管控系统构建数字阴影车间。本发明实现了离散制造系统中多个信息系统接口的统一和标准化,减少了接口开发工作量并提高了多个信息系统之间集成的鲁棒性。

    一种对抗式阅读理解嵌套命名实体识别方法

    公开(公告)号:CN118446218A

    公开(公告)日:2024-08-06

    申请号:CN202410606985.6

    申请日:2024-05-16

    Abstract: 本发明公开了一种对抗式阅读理解嵌套命名实体识别方法,具体为:利用BERT模型对输入文本信息和标签注释进行初始嵌入,通过Star‑Transformer对文本信息执行编码操作;标签注释信息同时利用注意力机制、平均池化和余弦相似度三种方式综合分析;模型在文本信息与标签注释信息融合之后采用FGM算法计算噪声干扰并加入;计算文本中每个token作为各类实体起始或结束位置的概率,并最终输出预测的实体范围及其对应的类别;利用损失函数,衡量模型输出与真实标签之间的差异,并最小这种差异化来训练模型。本发明能够有效学习领域相关知识,提高了模型在面对含有噪声数据时的稳定性和泛化性;能够更加全面挖掘和利用标签注释中的语义信息。

Patent Agency Ranking