-
公开(公告)号：CN116976946A
公开(公告)日：2023-10-31
申请号：CN202310789209.X
申请日：2023-06-30
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
IPC: G06Q30/0202 , G06Q30/0201 , G06N3/0442
Abstract: 本发明公开了一种基于SSA和LSTM的烟草销量预测方法，包括以下步骤：获取历史订单数据；采用STL季节分解法对历史订单数据进行数据序列构建，包括趋势序列，季节序列以及剩余序列；针对季节序列采用季节朴素法进行预测，以获得季节预测值；针对趋势序列采用奇异谱分析SSA分解为主分量和细节分量，以获得趋势预测值；针对剩余序列与外部影响因素进行拼接，并进行预测以获得余项预测值；基于获得的季节预测值，趋势预测值以及余项预测值进行整合，以获得综合预测结果作为订货策略的指导。本发明还提供了一种烟草销量预测装置。本发明的方法可以优化企业的出货和订货策略，从而缓解因订供货数据不平衡造成的卷烟成品库存积压的问题。
-
公开(公告)号：CN119863000A
公开(公告)日：2025-04-22
申请号：CN202510346617.7
申请日：2025-03-24
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/04 , G06N20/00 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于动态规划与多模型协同的货源协同投放系统，包括：零售户销量预测模块，该零售户销量预测模块用于预测零售户的销量；市场需求预估模块，该市场需求预估模块用于预测市场需求，并将预测结果输出；生产动态规划模块，该生产动态规划模块基于国家烟草总局的年生产量要求、已完成的生产进度以及市场需求，动态调整每月针对不同产品的生产计划；货源分配规划模块，该货源分配规划模块基于生产动态规划模块输出的生产计划结果，本发明的基于动态规划与多模型协同的货源协同投放系统，可有效的实现对于烟草货源的精准规划产销供，提升运营效益。
-
公开(公告)号：CN118779469B
公开(公告)日：2025-02-07
申请号：CN202411247105.7
申请日：2024-09-06
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
Abstract: 本发明公开了一种基于特征表示的领域大模型多模态知识库的构建方法，包括如下步骤：步骤一，收集并处理用于构建知识库的信息；步骤二，基于步骤一收集的知识库的信息进行多模态信息特征提取；步骤三，基于步骤一收集的信息和步骤二提取的多模态信息特征构建多模态知识库；步骤四，基于步骤三构建的多模态知识库提取用户输入的需求信息，构建领域意图识别模型，确定用户具体需求意图；步骤五，提取用户输入的需求信息，查询知识库，将查询到的知识块输入领域大模型，借助大模型生成能力输出用户所需求查询结果。本发明的基于特征表示的领域大模型多模态知识库的构建方法，弥补了现有大语言模型在处理多模态数据上的不足，增强用户体验感。
-
公开(公告)号：CN119005646A
公开(公告)日：2024-11-22
申请号：CN202411488748.0
申请日：2024-10-24
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
IPC: G06Q10/0631 , G06Q10/083 , G06V20/40 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种物流园区复杂作业场景非线性智能调度系统，包括：主从跟踪式全景摄像机，该主从跟踪式全景摄像机设有多个，多个主从跟踪式全景摄像机通过局域网连接；人工智能服务器，与主从跟踪式全景摄像机连接；非线性调度服务器，与人工智能服务器连接；个人数字终端，该个人数字终端设有多个，与各个操作员一一对应，该个人数字终端均与非线性调度服务器连接。本发明的物流园区复杂作业场景非线性智能调度系统，解决物流园区复杂作业场景中操作员的多目标跟踪，并对复杂作业进行非线性智能调度的问题。
-
公开(公告)号：CN115455286A
公开(公告)日：2022-12-09
申请号：CN202211058058.2
申请日：2022-08-30
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
IPC: G06F16/9535 , G06F16/2457 , G06F16/2458 , G06Q30/02 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/16
Abstract: 本申请公开了一种基于数据血缘特征和行为语义特征的自注意力推荐方法，包括：利用用户的历史交互序列信息以及涉及产品的数据血缘关系信息基于神经网络训练出产品推荐模型，所述的产品推荐模型包括数据血缘特征提取模块、行为语义建模模块和自注意力解码器；获取目标用户的历史交互序列信息以及涉及产品的数据血缘关系信息并输入训练好的产品推荐模型，输出对应的目标推荐产品。本发明同时还提供了基于数据血缘特征和行为语义特征的自注意力推荐装置及设备。本方法的推荐方法训练出的产品推荐模型，能够进一步利用数据血缘特征和用户行为语义特征，因此能够更加准确地进行物品推荐。
-
Patent Agency Ranking
公开(公告)号：CN118779469A
公开(公告)日：2024-10-15
申请号：CN202411247105.7
申请日：2024-09-06
Applicant: 浙江大学滨江研究院 , 浙江中烟工业有限责任公司
Abstract: 本发明公开了一种基于特征表示的领域大模型多模态知识库的构建方法，包括如下步骤：步骤一，收集并处理用于构建知识库的信息；步骤二，基于步骤一收集的知识库的信息进行多模态信息特征提取；步骤三，基于步骤一收集的信息和步骤二提取的多模态信息特征构建多模态知识库；步骤四，基于步骤三构建的多模态知识库提取用户输入的需求信息，构建领域意图识别模型，确定用户具体需求意图；步骤五，提取用户输入的需求信息，查询知识库，将查询到的知识块输入领域大模型，借助大模型生成能力输出用户所需求查询结果。本发明的基于特征表示的领域大模型多模态知识库的构建方法，弥补了现有大语言模型在处理多模态数据上的不足，增强用户体验感。
-
公开(公告)号：CN115687309B
公开(公告)日：2023-04-18
申请号：CN202211717745.0
申请日：2022-12-30
Applicant: 浙江大学 , 浙江中烟工业有限责任公司
IPC: G06F16/21 , G06F16/242 , G06F16/901
Abstract: 本发明主要关于非侵入式卷烟出入库全流程数据血缘构建方法、装置，方法包括：获取SQL表达式Q的关键字流，依据关键字流和巴克斯范式获取Q对应的抽象语法树，经由抽象语法树获取Q中的数据关系，然后获取数据字段与具体数据的对应关系以及数据字段与数据类型的对应关系，最后定义数据节点和数据关系，输出数据血缘图谱。提供一种完整、正确、非侵入式的卷烟出入库全流程数据血缘构建方法，实现简单，无需较高安全权限，无安全隐患，不影响现有数据存储，可解决卷烟物流流转过程中数据繁杂、数据管控难、定位慢等问题，实现对卷烟出入库全流程数据的高效率分析、管控、追溯、审计，提高了对卷烟出入库全流程数据的管控能力和管理、分析效率。
-
公开(公告)号：CN115687309A
公开(公告)日：2023-02-03
申请号：CN202211717745.0
申请日：2022-12-30
Applicant: 浙江大学 , 浙江中烟工业有限责任公司
IPC: G06F16/21 , G06F16/242 , G06F16/901
Abstract: 本发明主要关于非侵入式卷烟出入库全流程数据血缘构建方法、装置，方法包括：获取SQL表达式Q的关键字流，依据关键字流和巴克斯范式获取Q对应的抽象语法树，经由抽象语法树获取Q中的数据关系，然后获取数据字段与具体数据的对应关系以及数据字段与数据类型的对应关系，最后定义数据节点和数据关系，输出数据血缘图谱。提供一种完整、正确、非侵入式的卷烟出入库全流程数据血缘构建方法，实现简单，无需较高安全权限，无安全隐患，不影响现有数据存储，可解决卷烟物流流转过程中数据繁杂、数据管控难、定位慢等问题，实现对卷烟出入库全流程数据的高效率分析、管控、追溯、审计，提高了对卷烟出入库全流程数据的管控能力和管理、分析效率。
-
公开(公告)号：CN118709578A
公开(公告)日：2024-09-27
申请号：CN202411199047.5
申请日：2024-08-29
Abstract: 本发明公开了一种面向动态演化的服务生态系统仿真构建演化方法，包括如下步骤：步骤一，构建服务生态系统决策生成模型；步骤二，模拟分析服务生态系统动态演化过程；步骤三，基于蒙特卡洛模拟得到的状态转移数据和概率，构建状态方程来描述系统状态的变化，具体如下式所示：#imgabs0##imgabs1#其中#imgabs2#为速率变量向量，表示状态变化的速度；之后进行仿真演算推理，然后根据仿真结果，为服务生态系统的优化和管理提供决策支持。本发明的面向动态演化的服务生态系统仿真构建演化方法，通过步骤一至步骤三的设置，便可简单有效的实现对于服务生态系统仿真构建演化。
-
公开(公告)号：CN118536415A
公开(公告)日：2024-08-23
申请号：CN202410359288.5
申请日：2024-03-27
IPC: G06F30/28 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/09 , G06F113/08 , G06F119/14
Abstract: 本发明公开了基于重建生成模型的二维物理场降阶方法，包括如下步骤：步骤一，首先，使用流体仿真软件内的生成器生成模型需要的训练数据，数据主要由时间戳、条件变量、边界条件变量和对应的仿真结果组成；步骤二，经过步骤一生成数据后，将数据进行归一化处理；步骤三，将经过步骤二归一化处理后的数据中的上一帧的仿真结果作为第一部分输入输入至生成器网络；步骤四，拼接时间戳、条件信息、真实的仿真数据和经过步骤三模型生成数据后输入到判别器中以协同训练生成器和判别器。本发明的基于重建生成模型的二维物理场降阶方法，降低流体仿真的使用门槛，不需要研究人员具有过多的先验知识。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.058 seconds)
