-
公开(公告)号：CN111930357A
公开(公告)日：2020-11-13
申请号：CN202010981433.5
申请日：2020-09-17
Applicant: 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司
IPC: G06F8/20 , G06F16/84 , G06F16/901 , G06F16/25 , G06F16/2458 , G06F16/215 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种可视化建模作业流调度引擎的构建方法，其包括：步骤一，系统依据大数据建模分析流程建立通用定义数据模型，定义作业流执行入参格式；步骤二，系统接收作业流执行入参，系统遵循通用定义数据模型的约束将作业流执行入参的半结构化数据模型解析成图对象模型；步骤三，系统将图对象模型作为作业流执行模块的入参，通过作业流执行模块对图对象模型进行解析，从而构建完成可视化建模作业流调度引擎。本发明可视化建模作业流调度引擎的构建方法为电力行业可视化建模方向、数据ETL方向的作业编排与调度，提供了技术依据，有较好的借鉴意义。
-
公开(公告)号：CN111680939B
公开(公告)日：2020-11-06
申请号：CN202010811567.2
申请日：2020-08-13
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心
Abstract: 本发明涉及一种基于人工智能的企业复工复产程度监控方法，其技术方案要点是，所使用的神经网络在训练时，采用基于坐标下降搜索的神经网络剪枝方法进行优化：剪枝步骤一，为神经网络中的每一层维护一个敏感度分数，保持其他层剪枝率不变，剪枝该层后对网络训练两轮得到的正确分类率即为该层的敏感度分数；剪枝步骤二，对敏感度分数最高的的层进行剪枝，并更新对应的敏感度分数；剪枝步骤三，计算当前剪枝网络的剪枝率，若满足压缩率要求，则对该网络进行微调，最后得到压缩后的神经网络；否则，返回剪枝步骤二。本发明通过神经网络的优化，能够有效提高神经网络预测的准确性，从而提高复工复产的监控和预测能力。
-
公开(公告)号：CN111680939A
公开(公告)日：2020-09-18
申请号：CN202010811567.2
申请日：2020-08-13
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心
Abstract: 本发明涉及一种基于人工智能的企业复工复产程度监控方法，其技术方案要点是，所使用的神经网络在训练时，采用基于坐标下降搜索的神经网络剪枝方法进行优化：剪枝步骤一，为神经网络中的每一层维护一个敏感度分数，保持其他层剪枝率不变，剪枝该层后对网络训练两轮得到的正确分类率即为该层的敏感度分数；剪枝步骤二，对敏感度分数最高的的层进行剪枝，并更新对应的敏感度分数；剪枝步骤三，计算当前剪枝网络的剪枝率，若满足压缩率要求，则对该网络进行微调，最后得到压缩后的神经网络；否则，返回剪枝步骤二。本发明通过神经网络的优化，能够有效提高神经网络预测的准确性，从而提高复工复产的监控和预测能力。
-
公开(公告)号：CN111930357B
公开(公告)日：2021-01-15
申请号：CN202010981433.5
申请日：2020-09-17
Applicant: 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司
IPC: G06F8/20 , G06F16/84 , G06F16/901 , G06F16/25 , G06F16/2458 , G06F16/215 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种可视化建模作业流调度引擎的构建方法，其包括：步骤一，系统依据大数据建模分析流程建立通用定义数据模型，定义作业流执行入参格式；步骤二，系统接收作业流执行入参，系统遵循通用定义数据模型的约束将作业流执行入参的半结构化数据模型解析成图对象模型；步骤三，系统将图对象模型作为作业流执行模块的入参，通过作业流执行模块对图对象模型进行解析，从而构建完成可视化建模作业流调度引擎。本发明可视化建模作业流调度引擎的构建方法为电力行业可视化建模方向、数据ETL方向的作业编排与调度，提供了技术依据，有较好的借鉴意义。
-
-
-
Search Results
4
records
(took 0.058 seconds)
