CN112084294A - 一种基于人工智能的整车电磁兼容分级管理方法 - Google Patents
一种基于人工智能的整车电磁兼容分级管理方法 Download PDFInfo
- Publication number
- CN112084294A CN112084294A CN202010959324.3A CN202010959324A CN112084294A CN 112084294 A CN112084294 A CN 112084294A CN 202010959324 A CN202010959324 A CN 202010959324A CN 112084294 A CN112084294 A CN 112084294A
- Authority
- CN
- China
- Prior art keywords
- electromagnetic compatibility
- artificial intelligence
- data
- method based
- electromagnetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明公开了一种基于人工智能的整车电磁兼容分级管理方法,其总体构架包括电磁兼容管理集、实体识别关联化、分层关联实体、电动汽车电磁干扰技术规格、实体识别、产品属性、实体和属性分类归并、智能数据提取、电磁兼容管理计划。通过对众多电磁兼容管理计划和电磁干扰技术规格进行人工智能算法识别,对电动汽车的器件层、模块层、***层以及企业制造层等四层进行分层关联,智能数据提取根据实体和属性决策产生良好的电磁兼容管理计划。本发明很实用于工业产品的电磁兼容管理决策,可以提高产品质量,缩短生产周期,降低生产成本。
Description
技术领域
本发明属于电动汽车电磁兼容技术领域,更为具体地讲,涉及一种基于人工智能的整车电磁兼容分级管理方法。
背景技术
电动汽车的技术创新大部分与电力电子的技术有关,电子设备的性能的提高会提升电动汽车的性能的提升。但是元器件的增多会导致电磁扰动,会造成很大的性能和安全问题。然而基本所有方案的生成都是基于工程师的经验,目前没有成体系电磁兼容管理方案。在生产阶段(设计、验证、开发、制造、部署和监控)中,实现电磁兼容管理,可以保证电动汽车的产品质量,也是成为高性能汽车的标准。
美国["Electromagnetic Compatibility Management in the 1980s,"(D.H.Simons,1982IEEE International Symposium on ElectromagneticCompatibility,Santa Clara,California,1982,pp.1-5.)]首次提出考虑电磁兼容的条件下最小化武器装备,全面考虑电磁干扰的测试问题,并且提出了电磁干扰测试方法和电磁干扰技术规格。文献["Application of a hybrid finite difference/finite volumemethod to solve an automotive EMC problem,"(X.Ferrieres,J.-.Parmantier,S.Bertuol and A.R.Ruddle,IEEE Transactions on Electromagnetic Compatibility,vol.46,no.4,pp.624-634,Nov.2004.)]提出有限元差分/有限体积混合方法对汽车进行整车建模,分析电磁兼容问题。
但是对电动汽车的生产过程进行电磁兼容管理,能够从设计、生产、维护等等过程实现全局的考虑。全面实现电动汽车的器件层、模块层、***层以及企业制造层四个层次的分级管理,有利于节省企业的生产成本,实现利益最大化。
发明内容
本发明的目的在于提供一种基于人工智能的整车电磁兼容分级管理方法,克服电磁兼容依靠专家经验无法形成体系化,提供分层次的满足技术规格的电磁兼容管理计划。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的整车电磁兼容分级管理方法,包括如下步骤:
步骤1,从电动汽车各级电磁兼容设计方案、数据和电磁干扰测试方案、数据中,整理建立电磁兼容管理集,将设计方案和效果参数按实体形式进行存储,无用设计参数以参数标签的形式进行存储,生成电磁兼容管理计划后,参数标签提供有关参数数据;
步骤2.使用人工智能算法对数据集进行识别并且建立联系;
步骤3.获取分级网络以及实体联系,作为选择指标;
步骤4.根据电动汽车各级的电磁干扰技术规格建立数据实体集,将安全裕度加入到方案设计中,用于评价设计方案的品质,同时也提供电磁兼容管理方案的可查询性能指标之一;
步骤5.使用人工智能算法对技术规格生成的实体集进行识别;
步骤6.获取产品属性,将评价标准加入到方案设计当中;
步骤7,将实体和属性进行分类归并,构建知识图表;
步骤8.使用智能数据提取将知识图表转化为可识别可查询语句,获得关键信息范围;
步骤9.根据产品要求,生成电动汽车电磁兼容管理,并逐渐形成评价标准,为后续更新提供数据集。
所述的电磁兼容管理集指的是电动汽车器件层、模块层、***层和企业制造层的电磁干扰测试方案数据以及电磁兼容设计方案数据;
所述的人工智能指的是表示数据层次和学习数据集内部规律的智能机器学习方法,强调学习模型的深度以及表述对象特征和原理;
所述的分级网络指的是通过人工智能的电动汽车分层关系网络,重在体现内部以及层级联系;
所述的安全裕度指的是测量数据误差的允许范围,这里指电磁干扰的技术规格的允许范围;
所述的分类归并指将分类有关问题并且归并不同类问题实现序列性,将方案权值大与方案权值小的按一定顺序排序,并且保证联系不变;
所述的智能数据提取指的是通过人工智能算法分析电磁兼容和电磁扰动问题,获取关键信息,在构建的电动汽车分级关系网中智能检索,获取有关关键信息的信息范围,组成按可能性排列的数据块,为电磁兼容管理方案形成提供数据支持。
本发明的目的是这样实现的。
本发明基于人工智能的整车电磁兼容分级管理方法的总体构架包括电磁兼容管理集、实体识别关联化、分层关联实体、电动汽车电磁干扰技术规格、实体识别、产品属性、实体和属性分类归并、智能数据提取、电磁兼容管理计划。通过对众多电磁兼容管理计划和电磁干扰技术规格进行人工智能算法识别,对电动汽车的器件层、模块层、***层以及企业制造层等四层进行分层关联,智能数据提取根据实体和属性决策产生良好的电磁兼容管理计划。本发明很实用于工业产品的电磁兼容管理决策,可以提高产品质量,缩短生产周期,降低生产成本。
附图说明
图1是本发明基于人工智能的整车电磁兼容分级管理方法一种具体实施方式的流程图;
图2是本发明中电磁兼容管理智能数据提取过程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
电动汽车电磁干扰技术规格采用国际电磁兼容抗扰测试标准IEC 6100以及电动汽车电磁兼容抗扰标准CISPR12。
参考图1,电磁兼容管理集分别文本和表格化处理,获取文本和数据,经过Word2Vector产生词向量有关模型,建立词对词的关系。经过人工智能获得样本,添加数据标签,进而获取电磁兼容管理模型。实体识别的定义类别包括:电磁兼容的层级以及针对问题、电磁兼容规范技术方法、产品测试、产品评价、专家经验权值以及参数标签。
使用人工智能的方法:
其中,zij是对区域进行卷积运算得到的数值;ωk代表为运算过程的权值;xk代表为输入数据。目标是找到一个合理的表现方式,利用损失函数作为反馈信号对隐藏层的权值进行微弱调节,实现反向传播局部最优化过程。人工智能实现自我学习,构建最优的分级网络模型。
分类归并采用决策树实现排序,并且关联属性与实体关系,构造分级网络,为进行智能数据提取提供模型。决策树使用信息熵来度量事物的不确定性,信息熵越大不确定性越大,随机变量X的熵表达式:
其中,pk指的是产品属性k属于分级网络中部分的可能性,H(X)的值越小,X的纯度越高。再考虑假设划分后决策树不同分节点的权重av,用来体现影响程度,计算出信息增益:
信息增益越大,表现特征划分的准确性越高。决策树实现智能分类归并,构建较优的分级网络模型。
参考图2,知识库是分类构建的实体电磁兼容管理模型,同时为了满足“动态”适用于任何知识库的需要,而无需定制的手动支持。加入文本库,不需要手动调优。根据人员的生产要求,在分级网络关系中进行智能数据提取,筛选出最优答案生成方案模板,即电磁兼容管理计划。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (7)
1.一种基于人工智能的整车电磁兼容分级管理方法,其特征在于,包括如下步骤:
步骤1.从电动汽车各级电磁兼容设计方案、数据和电磁干扰测试方案、数据中,整理建立电磁兼容管理集,将设计方案和效果参数按实体形式进行存储,无用设计参数以参数标签的形式进行存储,生成电磁兼容管理计划后,参数标签提供有关参数数据;
步骤2.使用人工智能算法对数据集进行识别并且建立联系;
步骤3.获取分级网络以及实体联系,作为选择指标;
步骤4.根据电动汽车各级的电磁干扰技术规格建立数据实体集,将安全裕度加入到方案设计中,用于评价设计方案的品质,同时也提供电磁兼容管理方案的可查询性能指标之一;
步骤5.使用人工智能算法对技术规格生成的实体集进行识别;
步骤6.获取产品属性,将评价标准加入到方案设计当中;
步骤7.将实体和属性进行分类归并,构建知识图表;
步骤8.使用智能数据提取将知识图表转化为可识别可查询语句,获得关键信息范围;
步骤9.根据产品要求,生成电动汽车电磁兼容管理,并逐渐形成评价标准,为后续更新提供数据集。
2.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤1所述的电磁兼容管理集指的是电动汽车器件层、模块层、***层和企业制造层的电磁干扰测试方案数据以及电磁兼容设计方案数据。
3.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤2所述的人工智能指的是表示数据层次和学习数据集内部规律的智能机器学习方法,强调学习模型的深度以及表述对象特征和原理。
4.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤3所述的分级网络指的是通过人工智能的电动汽车分层关系网络,重在体现内部以及层级联系。
5.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤4所述的安全裕度指的是测量数据误差的允许范围,这里指电磁干扰的技术规格的允许范围。
6.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤7所述的分类归并指将分类有关问题并且归并不同类问题实现序列性,将方案权值大与方案权值小的按一定顺序排序,并且保证联系不变。
7.根据权利要求1所述一种基于人工智能的整车电磁兼容分级管理方法,其特征在于:步骤8所述的智能数据提取指的是通过人工智能算法分析电磁兼容和电磁扰动问题,获取关键信息,在构建的电动汽车分级关系网中智能检索,获取有关关键信息的信息范围,组成按可能性排列的数据块,为电磁兼容管理方案形成提供数据支持。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010959324.3A CN112084294B (zh) | 2020-09-14 | 2020-09-14 | 一种基于人工智能的整车电磁兼容分级管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010959324.3A CN112084294B (zh) | 2020-09-14 | 2020-09-14 | 一种基于人工智能的整车电磁兼容分级管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084294A true CN112084294A (zh) | 2020-12-15 |
CN112084294B CN112084294B (zh) | 2022-07-26 |
Family
ID=73737053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010959324.3A Active CN112084294B (zh) | 2020-09-14 | 2020-09-14 | 一种基于人工智能的整车电磁兼容分级管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084294B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541692A (zh) * | 2020-12-21 | 2021-03-23 | 中国医学科学院医学信息研究所 | 科学数据管理计划生成方法及装置 |
CN113792156A (zh) * | 2021-08-31 | 2021-12-14 | 国营芜湖机械厂 | 一种基于人工智能的飞机电磁兼容分级管理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5043528A (en) * | 1989-03-30 | 1991-08-27 | Richard Mohr | Device for providing electrical continuity between electrically conductive surfaces |
CN101375282A (zh) * | 2004-12-07 | 2009-02-25 | 国际商业机器公司 | 用于对电路进行评估的方法、***和程序产品 |
US20120112531A1 (en) * | 2008-09-27 | 2012-05-10 | Kesler Morris P | Secure wireless energy transfer for vehicle applications |
CN102708298A (zh) * | 2012-05-17 | 2012-10-03 | 西安电子科技大学 | 一种***电磁兼容指标分配方法 |
CN105488019A (zh) * | 2015-11-30 | 2016-04-13 | 云南电网有限责任公司电力科学研究院 | 一种电能质量监测装置检测报告自动生成方法 |
CN106841851A (zh) * | 2016-12-26 | 2017-06-13 | 中国电子科技网络信息安全有限公司 | 一种电磁兼容性能薄弱环节快速定位方法 |
CN108196132A (zh) * | 2017-11-21 | 2018-06-22 | 中国船舶重工集团公司第七0研究所 | ***内电磁兼容性评估方法 |
CN108287268A (zh) * | 2017-12-28 | 2018-07-17 | 华中科技大学 | 一种分布式输电网络工频电磁场分析方法 |
CN109508889A (zh) * | 2018-11-20 | 2019-03-22 | 中国舰船研究设计中心 | 一种基于层次分析法的船舶平台用频设备电磁兼容性能分级方法 |
CN109858360A (zh) * | 2018-12-28 | 2019-06-07 | 华中科技大学 | 一种舰队电磁兼容的动态管理方法和*** |
CN110161338A (zh) * | 2019-05-30 | 2019-08-23 | 中国舰船研究设计中心 | 一种主被动电子***间电磁兼容时域管理的测试方法 |
-
2020
- 2020-09-14 CN CN202010959324.3A patent/CN112084294B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5043528A (en) * | 1989-03-30 | 1991-08-27 | Richard Mohr | Device for providing electrical continuity between electrically conductive surfaces |
CN101375282A (zh) * | 2004-12-07 | 2009-02-25 | 国际商业机器公司 | 用于对电路进行评估的方法、***和程序产品 |
US20120112531A1 (en) * | 2008-09-27 | 2012-05-10 | Kesler Morris P | Secure wireless energy transfer for vehicle applications |
CN102708298A (zh) * | 2012-05-17 | 2012-10-03 | 西安电子科技大学 | 一种***电磁兼容指标分配方法 |
CN105488019A (zh) * | 2015-11-30 | 2016-04-13 | 云南电网有限责任公司电力科学研究院 | 一种电能质量监测装置检测报告自动生成方法 |
CN106841851A (zh) * | 2016-12-26 | 2017-06-13 | 中国电子科技网络信息安全有限公司 | 一种电磁兼容性能薄弱环节快速定位方法 |
CN108196132A (zh) * | 2017-11-21 | 2018-06-22 | 中国船舶重工集团公司第七0研究所 | ***内电磁兼容性评估方法 |
CN108287268A (zh) * | 2017-12-28 | 2018-07-17 | 华中科技大学 | 一种分布式输电网络工频电磁场分析方法 |
CN109508889A (zh) * | 2018-11-20 | 2019-03-22 | 中国舰船研究设计中心 | 一种基于层次分析法的船舶平台用频设备电磁兼容性能分级方法 |
CN109858360A (zh) * | 2018-12-28 | 2019-06-07 | 华中科技大学 | 一种舰队电磁兼容的动态管理方法和*** |
CN110161338A (zh) * | 2019-05-30 | 2019-08-23 | 中国舰船研究设计中心 | 一种主被动电子***间电磁兼容时域管理的测试方法 |
Non-Patent Citations (4)
Title |
---|
周安健 等: "四驱电动车电驱动***匹配分析", 《2019中国汽车工程学会年会论文集(2)》 * |
张芳菲: "基于知识图谱实现智能化的电磁兼容管理", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
高鹏 等: "电磁兼容技术的发展及典型应用技术", 《新课程(教育学术版)》 * |
黄松高: "***级电磁兼容性安全裕度评估技术的探讨", 《安全与电磁兼容》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541692A (zh) * | 2020-12-21 | 2021-03-23 | 中国医学科学院医学信息研究所 | 科学数据管理计划生成方法及装置 |
CN112541692B (zh) * | 2020-12-21 | 2023-08-11 | 中国医学科学院医学信息研究所 | 科学数据管理计划生成方法及装置 |
CN113792156A (zh) * | 2021-08-31 | 2021-12-14 | 国营芜湖机械厂 | 一种基于人工智能的飞机电磁兼容分级管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112084294B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163261B (zh) | 不平衡数据分类模型训练方法、装置、设备及存储介质 | |
JP2019207685A (ja) | 観測変数間の因果関係を推定するための方法、装置、およびシステム | |
He et al. | Big data oriented root cause identification approach based on Axiomatic domain mapping and weighted association rule mining for product infant failure | |
CN112084294B (zh) | 一种基于人工智能的整车电磁兼容分级管理方法 | |
CN114722746B (zh) | 一种芯片辅助设计方法、装置、设备及可读介质 | |
Duan et al. | Root cause analysis approach based on reverse cascading decomposition in QFD and fuzzy weight ARM for quality accidents | |
CN114048468A (zh) | 入侵检测的方法、入侵检测模型训练的方法、装置及介质 | |
CN116205482A (zh) | 重点人员风险等级评估方法及相关设备 | |
CN112086144A (zh) | 分子生成方法、装置、电子设备及存储介质 | |
Kou et al. | Binary Particle Swarm Optimization‐Based Association Rule Mining for Discovering Relationships between Machine Capabilities and Product Features | |
CN115358481A (zh) | 一种企业外迁预警识别的方法、***及装置 | |
Dommaraju et al. | Identifying topological prototypes using deep point cloud autoencoder networks | |
CN105303051A (zh) | 一种空气污染物浓度预测方法 | |
CN114648060A (zh) | 基于机器学习的故障信号规范化处理及分类方法 | |
CN115269855B (zh) | 基于预训练编码器的论文细粒度化多标签标注方法及装置 | |
CN116992360A (zh) | 一种通信网与电网耦合故障界定诊断方法及*** | |
CN110879821A (zh) | 评分卡模型衍生标签生成方法、装置、设备及存储介质 | |
US20220358360A1 (en) | Classifying elements and predicting properties in an infrastructure model through prototype networks and weakly supervised learning | |
Chakraborti et al. | Evidential reasoning based digital twins for performance optimization of complex systems | |
CN115544112A (zh) | 一种基于大数据人工智能的双创成果高价值专利筛选方法 | |
US20230368085A1 (en) | Automated intelligence facilitation of routing operations | |
US20230368086A1 (en) | Automated intelligence facilitation of routing operations | |
Chaki et al. | Development of a hybrid learning system based on SVM, ANFIS and domain knowledge: DKFIS | |
CN115600121B (zh) | 数据分层分类方法及装置、电子设备、存储介质 | |
US11915109B2 (en) | Systems and method for automating detection of regions of machine learning system underperformance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |