一种基于主动学习的神经网络时延预测方法

    公开(公告)号:CN117875402A

    公开(公告)日:2024-04-12

    申请号:CN202410059758.6

    申请日:2024-01-16

    Abstract: 本发明属于计算机技术领域,公开了一种基于主动学习的神经网络时延预测方法,用于神经架构搜索(NAS)网络评估环节的时延评估。提出一种迭代选取架构,收集架构时延,训练时延预测模型,并根据时延预测模型表现自动停止的主动学习时延预测模型构建方法,用于避免盲目收集大量时延数据带来的高昂时间成本问题,同时结合利用设备相似性对已构建的时延预测模型进行复用和调整的方案,进一步减少多设备场景下的时延数据收集成本。本发明采用多层感知机(MLP)作为时延预测模型,使用Kendall相关系数等指标衡量时延预测器的评估准确性,使用时延训练数据集中的样本数量来衡量时延数据收集成本。通过实验验证了本发明所提方法在损失少量预测准确性的情况下,能够节省大量的时延数据收集成本。

    基于神经网络架构搜索的巡检影像无锚框目标检测方法

    公开(公告)号:CN117808792A

    公开(公告)日:2024-04-02

    申请号:CN202410060355.3

    申请日:2024-01-16

    Abstract: 一种基于神经网络架构搜索的巡检影像无锚框目标检测方法,包括:确定一阶段无锚框目标检测算法FCOS作为底层目标检测方法;基于经典无人巡检影像数据集,设计无人巡检影像协议任务;构造搜索空间;对FPN和Head结构分别设计搜索空间;按预设规则对构建的模型进行评估;对搜索策略进行实现;基于强化学习的搜索策略,该策略使用LSTM作为强化学习的智能体,将S300构建的搜索空间作为强化学习系统的状态空间,将LSTM单步输出经Softmax层后的分类结果视作动作;在经典无人巡检影像数据集上进行实验,并和经典目标检测算法进行比对,验证搜索结果。本发明提降低了一般电力巡检工作人员使用深度学习技术的门槛,节省了反复调参消耗的时间人力,避免了手工设计带来的误差。

    一种基于电力大数据的节能管理方法及系统

    公开(公告)号:CN118941124A

    公开(公告)日:2024-11-12

    申请号:CN202411426511.X

    申请日:2024-10-14

    Abstract: 本发明公开了一种基于电力大数据的节能管理方法及系统,属于用于监督的数据处理系统领域,本发明通过电力数据采集模组采集电力输入数据、电力设备运行数据和运行环境数据,并将数据传输至电力管理平台,将获取的电力输入数据和电力设备运行数据导入电力设备运行异常系数评估策略中进行电力设备运行异常评估,将获取的运行环境数据导入电力环境异常评估策略中进行电力环境异常评估,将评估得到的电力设备运行异常系数和电力环境运行异常系数代入节能输出值计算公式中进行节能输出值的输出,获取得到的节能输出值,根据得到的节能输出值进行电力设备的能量的输入,提高了节能效果的同时,提高了电力设备的运行效率。

Patent Agency Ranking