-
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
Applicant: 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: G06Q10/0639 , G06Q50/06 , G06F18/214 , G06N3/047 , G06N3/0499
Abstract: 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：CN111459766B
公开(公告)日：2024-01-12
申请号：CN202010310366.4
申请日：2020-04-20
Applicant: 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
Abstract: 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
Applicant: 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
Abstract: 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
Applicant: 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: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
Abstract: 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
Applicant: 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
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN113065357A
公开(公告)日：2021-07-02
申请号：CN202110360512.9
申请日：2021-04-02
Applicant: 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
IPC: G06F40/30 , G06F40/205 , G06F40/186 , G06F16/33 , G06N3/04 , G06N3/08 , G06Q10/10 , G06Q50/06
Abstract: 本发明提供一种文档自动编制方法及装置，该方法包括：获取待处理的电力文档；提取所述电力文档的语义表示；基于推理模型对所述电力文档的语义表示进行理解与分析；根据所述电力文档的理解分析结果，对所述电力文档进行摘要提取以获得组稿内容，所述组稿内容为对所述电力文档组稿的基础。本发明结合电力系统特点和公司经营需求，应用人工智能技术，实现公文、工单票据及巡检报告等类型的电力文档自动组稿，减少重复性文字编写及格式合规审查工作，提高办公人员工作效率。
-
公开(公告)号：CN113065346A
公开(公告)日：2021-07-02
申请号：CN202110361172.1
申请日：2021-04-02
Applicant: 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
IPC: G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本申请公开了文本实体的识别方法及相关装置，其中，方法包括：从待处理文本序列中获取指代同一概念的实体表述；实体表述用于实体归一化；将实体表述转换为预设长度的表述向量；对待处理文本序列进行词嵌入处理，得到向量；对向量中用于实体识别的上下文特征进行编码，得到编码向量；对表述向量与编码向量进行拼接，得到拼接向量；将拼接向量解码为待处理文本序列的预测序列。本申请以向量为纽带将实体归一化和实体识别在向量空间上的联结起来。拼接向量既包含了实体归一化的信息，也包含了实体识别的信息，并且，实体归一化信息作用于实体识别。由于实体识别利用了实体归一化的信息，从而，使得实体识别结果更全面，提高实体识别的准确性。
-
公开(公告)号：CN117592475A
公开(公告)日：2024-02-23
申请号：CN202311454391.X
申请日：2023-11-01
Applicant: 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
IPC: G06F40/295 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种实体识别方法及相关装置，所述方法包括：获取待识别文本序列；基于第一编码器和第二编码器对所述待识别文本序列进行编码，得到初始向量，其中，所述第二编码器基于提取器和预设的编码规则进行编码；将所述初始向量传递给解码器进行解码，得到目标向量；将所述目标向量作为所述待识别文本序列的预测序列。上述过程中，采用第二编码器中提取器和预设编码进行编码，不再基于词典与知识库进行编码，避免了而现有的词典覆盖有限，很多语料存在缺乏对应领域的词典的情况，实体归一化后得到的文本实体的准确性低的问题。
-
公开(公告)号：CN112508243B
公开(公告)日：2022-09-09
申请号：CN202011338529.6
申请日：2020-11-25
Applicant: 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: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
Abstract: 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。(56)对比文件李艳霞.不平衡数据分类方法综述《.控制与决策》.2019,第34卷(第4期),第673-688页.Shengguo Hu，etc.MSMOTE: ImprovingClassification Performance when TrainingData is imbalanced《.2009 SecondInternational Workshop on ComputerScience and Engineering》.2009,
-
公开(公告)号：CN110912737A
公开(公告)日：2020-03-24
申请号：CN201911115628.5
申请日：2019-11-14
Applicant: 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
IPC: H04L12/24
Abstract: 本发明涉及一种基于混合模型的动态感知性能预告警方法，包括：（1）采集业务系统的性能指标数据；（2）将采集到的性能指标数据进行数据清洗并存储；（3）将处理过的性能指标数据传入混合模型，获得未来时刻的预测值；（4）若预测值在告警门限内则表示该预测值在正常范围内，否则发出性能预告警信息。本发明所述的基于混合模型的动态感知性能预告警方法，既能提取序列数据的线性趋势，又能捕捉序列数据的非线性规律，相比于单一模型，所提混合模型的拟合性更优，精度更高，进一步提高业务系统预测精度，实现了对业务系统性能状态的动态感知，从而提前发现并解决业务系统潜在的性能问题。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.087 seconds)
