-
公开(公告)号：CN116664450A
公开(公告)日：2023-08-29
申请号：CN202310922672.7
申请日：2023-07-26
摘要： 本发明公开基于扩散模型的图像增强方法、装置、设备及存储介质，方法包括：获取待增强的目标图像与图像增强指令，编码得到编码特征图和文本编码；将编码特征图和文本编码输入到预先训练好的目标图像增强网络中；按照预设噪声添加规则和预设步数，逐步向编码特征图中添加高斯噪声，得到服从高斯分布的目标噪声图像，并确定每一步添加高斯噪声后的结果图像中的预测噪声；基于交叉注意力机制，对目标噪声图像中与文本编码对应的区域进行图像增强，得到加噪增强图像；按照预设噪声去除规则和预设步数，逐步从加噪增强图像中去除每一步的预测噪声，得到去噪后图像；对去噪后图像进行解码，得到增强后图像。本发明有效地提高了对特征缺失较多的图像的增强效果。
-
公开(公告)号：CN116701001B
公开(公告)日：2023-10-20
申请号：CN202310989113.8
申请日：2023-08-08
申请人： 国网浙江省电力有限公司信息通信分公司 , 之江实验室 , 国网信息通信产业集团有限公司 , 国网浙江省电力有限公司磐安县供电公司
IPC分类号： G06F9/50
摘要： 本发明公开目标任务分配方法、装置、电子设备及存储介质，该方法包括：将目标任务拆分为多个算子；根据模型并行机制和数据并行机制对算子进行二次拆分；确定目标算子在边缘设备上的资源变化速率，得到算力更新速率表；确定每个边缘设备的剩余空闲资源量；根据算力更新速率表、每个边缘设备的设备类型、每个边缘设备的剩余空闲资源量、以及每个目标算子的计算资源需求量，确定多个目标算子和多个边缘设备的映射关系；根据映射关系将目标算子分配到多个边缘设备上。本方法在深度学习模型训练中，将目标任务分为多个目标算子，并将目标算子分配到对应的边缘设备上，通过不同的边缘设备对目标任务协同计算，有效地提高训练过程中的计算效率。
-
公开(公告)号：CN116701001A
公开(公告)日：2023-09-05
申请号：CN202310989113.8
申请日：2023-08-08
申请人： 国网浙江省电力有限公司信息通信分公司 , 之江实验室 , 国网信息通信产业集团有限公司 , 国网浙江省电力有限公司磐安县供电公司
IPC分类号： G06F9/50
摘要： 本发明公开目标任务分配方法、装置、电子设备及存储介质，该方法包括：将目标任务拆分为多个算子；根据模型并行机制和数据并行机制对算子进行二次拆分；确定目标算子在边缘设备上的资源变化速率，得到算力更新速率表；确定每个边缘设备的剩余空闲资源量；根据算力更新速率表、每个边缘设备的设备类型、每个边缘设备的剩余空闲资源量、以及每个目标算子的计算资源需求量，确定多个目标算子和多个边缘设备的映射关系；根据映射关系将目标算子分配到多个边缘设备上。本方法在深度学习模型训练中，将目标任务分为多个目标算子，并将目标算子分配到对应的边缘设备上，通过不同的边缘设备对目标任务协同计算，有效地提高训练过程中的计算效率。
-
公开(公告)号：CN109492358A
公开(公告)日：2019-03-19
申请号：CN201811118944.3
申请日：2018-09-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网信息通信产业集团有限公司 , 国网山东省电力公司信息通信公司 , 西安交通大学 , 南京理工大学
发明人： 高灵超 , 葛华利 , 董爱强 , 吴嘉生 , 刘立威 , 许传波 , 王小平 , 余仰淇 , 陈坤 , 靖稳峰 , 李继红 , 陈建 , 秦俊宁 , 卜京 , 王志强 , 江樱 , 孔文杰 , 卢文达 , 周洋 , 戴波 , 王红凯 , 王剑 , 白万建 , 李东 , 王勇 , 刘范范 , 汤琳琳 , 郭刚 , 张福华 , 郭健
CPC分类号： G06F21/31 , H04L63/08 , H04L63/101
摘要： 本发明涉及一种开放接口统一认证方法，方法如下：接口调用方在发起接口调用请求前，接口调用方从认证服务器读取随机数用于数字签名；接口调用方将携带签名信息向接口提供方请求调用；接口提供方在接收到调用请求后，将接收到的签名信息和接口提供方的IP地址一并发送至认证服务器；认证服务器校验接口调用方的签名信息和接口提供方的IP地址之间是否有访问权限；若认证服务器认证有访问权限则将认证服务器接收到的信息发送至签名服务器；签名服务器在接收到信息后，验证接口调用方的签名信息的有效性并将验证结果反馈给认证服务器；认证服务器将反馈的验证结果反馈给接口提供方。本发明提高了安全性且操作方便，提高了认证效率。
-
公开(公告)号：CN112508363B
公开(公告)日：2024-08-27
申请号：CN202011338528.1
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06Q10/0639 , G06Q50/06 , G06F18/214 , G06N3/047 , G06N3/0499
摘要： 本发明公开了一种基于深度学习的电力信息系统状态分析方法及装置，包括：获取训练样本；根据信息系统状态分析结果种类对每个训练样本进行对应种类的标注，其中特征相似的训练样本采用相同标注；以训练样本和对应的标注数据作为深度学习网络的输入进行信息系统状态分析模型训练；基于训练完成的信息系统状态分析模型进行信息系统状态分析。本发明通过在标注数据时，对特征相似的训练样本采用相同标注，实现只需将所有训练样本进行特征相似性衡量，然后将特征相似的划分为一类进行相同标注，提高训练样本标注效率，同时采用深度置信网络提高了状态分析的客观性，避免了采用主客观指标权重赋权进行状态分析造成的主客观性不平衡。
-
公开(公告)号：CN111726084B
公开(公告)日：2024-05-10
申请号：CN202010594343.0
申请日：2020-06-24
申请人： 国网浙江省电力有限公司信息通信分公司 , 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国网吉林省电力有限公司电力科学研究院 , 中国科学院微电子研究所 , 国网吉林省电力有限公司 , 国家电网有限公司
摘要： 本发明提供一种多频低功耗振荡器及控制方法，属于通信技术领域。所述振荡器包括：第一振荡模块，包括控制开关、负阻产生模块和电感模块，所述负阻产生模块和所述电感模块构成谐振回路，所述控制开关用于选择所述谐振回路的被旁路模式或被选择模式；第二振荡模块，包括与所述第一振荡模块相同或等效的振荡模块；所述第一振荡模块中谐振回路和所述第二振荡模块中谐振回路至少有一个谐振回路处于所述被选择模式；所述第一振荡模块中谐振回路与所述第二振荡模块中谐振回路连接，用于构成输出回路。本发明振荡器具有多频率和低功耗等特点。
-
公开(公告)号：CN111459766B
公开(公告)日：2024-01-12
申请号：CN202010310366.4
申请日：2020-04-20
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
摘要： 本发明涉及一种面向微服务系统的调用链跟踪与分析方法，包括：(1)构建完善的调用链跟踪体系：根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构；然后将业务请求调用链信息注入系统执行日志信息中；再对系统执行的日志信息进行收集与存储；(2)以调用链维度对日志信息进行聚合分析：以TraceID为基准，将相同TraceID的日志信息发送到同一个KafkaPation，通过调用链维度对日志信息进行结构化处理与分析。本发明能够以调用链维度对日志信息进行聚合分析，并结合实际情形给出相应分析策略，让微服务系统的服务异常
-
公开(公告)号：CN112508363A
公开(公告)日：2021-03-16
申请号：CN202011338528.1
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
摘要： 本发明公开了一种基于深度学习的电力信息系统状态分析方法及装置，包括：获取训练样本；根据信息系统状态分析结果种类对每个训练样本进行对应种类的标注，其中特征相似的训练样本采用相同标注；以训练样本和对应的标注数据作为深度学习网络的输入进行信息系统状态分析模型训练；基于训练完成的信息系统状态分析模型进行信息系统状态分析。本发明通过在标注数据时，对特征相似的训练样本采用相同标注，实现只需将所有训练样本进行特征相似性衡量，然后将特征相似的划分为一类进行相同标注，提高训练样本标注效率，同时采用深度置信网络提高了状态分析的客观性，避免了采用主客观指标权重赋权进行状态分析造成的主客观性不平衡。
-
公开(公告)号：CN112508243A
公开(公告)日：2021-03-16
申请号：CN202011338529.6
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要： 本发明公开了电力信息系统多故障预测网络模型的训练方法及装置，包括：获取时间序列的告警数据集，对所述告警数据集进行数据增强，得到增强的训练样本集；基于训练样本集获取用于模型训练的输入样本和与输入样本对应的目标输出样本；基于所述输入样本、目标输出样本和预设的网络模型损失函数对预设的神经网络模型进行迭代训练，获取多故障预测网络模型。本发明通过对原始数据集进行数据增强处理，实现数据特征均衡，基于数据增强后的训练样本集进行模型训练拟合得到的多故障预测网络模型具备更高的预测精度和更稳定的预测效果。
-
公开(公告)号：CN118298815A
公开(公告)日：2024-07-05
申请号：CN202410468800.X
申请日：2024-04-18
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
摘要： 本申请提供了一种声学模型的训练方法及装置，该方法包括：基于Dropout算法对深度神经网络进行预训练，得到初始的深度神经网络；将语音帧训练样本输入至预先训练好的GMM‑HMM声学模型，得到GMM‑HMM声学模型确定的标注数据；根据语音帧训练样本和标注数据，对初始的深度神经网络进行训练，得到训练好的深度神经网络；基于训练好的深度神经网络确定观察概率；根据观察概率对隐马尔科夫模型进行训练。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.102 秒)
