本發(fā)明公開了一種基于聯(lián)邦學(xué)習(xí)和區(qū)塊鏈的身份標(biāo)識方法、裝置及相關(guān)設(shè)備，所述方法包括：通過區(qū)塊鏈，接收來自用戶端的身份信息處理請求；基于區(qū)塊鏈的智能合約，調(diào)用身份驗證模型，身份驗證模型用于指示基于聯(lián)邦學(xué)習(xí)方法訓(xùn)練得到的模型；通過身份驗證模型...

本發(fā)明公開一種基于6D旋轉(zhuǎn)表示的端到端多人頭部姿態(tài)估計方法及裝置，該方法步驟包括：獲取圖像訓(xùn)練集并輸入至多人頭部姿態(tài)檢測模型中進(jìn)行訓(xùn)練，訓(xùn)練過程中，先對輸入圖像進(jìn)行特征提取，預(yù)測出多個頭部對象的頭部預(yù)測參數(shù)以及頭部位姿6D旋轉(zhuǎn)表示參數(shù)，...

本申請涉及一種基于稀疏拓?fù)鋾r空注意力機(jī)制的缺失數(shù)據(jù)補全方法，包括：對時序數(shù)據(jù)進(jìn)行隨機(jī)缺失處理，并標(biāo)記時序數(shù)據(jù)中的缺失值；對處理后的時序數(shù)據(jù)進(jìn)行歸一化處理，構(gòu)建含有缺失值的數(shù)據(jù)集；構(gòu)建稀疏拓?fù)鋾r空注意力模型，稀疏拓?fù)鋾r空注意力模型包括時間...

本申請?zhí)峁┝薊L系統(tǒng)中智能體獲取廣義納什均衡的方法和系統(tǒng)，包括：判斷待獲取智能體是否能夠通過歐拉?拉格朗日系統(tǒng)EL的系統(tǒng)參數(shù)獲取廣義納什均衡GNE；根據(jù)所述判斷的結(jié)果獲取所述待獲取智能體的GNE，包括：如果所述判斷的結(jié)果為是，則通過預(yù)設(shè)...

本發(fā)明提供一種基于時間維度的牲畜異常行為智能監(jiān)控方法及系統(tǒng)，涉及畜牧業(yè)表型識別檢測技術(shù)領(lǐng)域，所述方法包括：獲取視頻數(shù)據(jù)，并構(gòu)建生豬行為數(shù)據(jù)集；使用SlowFast網(wǎng)絡(luò)對預(yù)處理后的生豬數(shù)據(jù)集進(jìn)行行為識別；根據(jù)生豬行為識別結(jié)果，使用行為時間...

本發(fā)明涉及資源分配技術(shù)領(lǐng)域，具體涉及人工智能優(yōu)化的醫(yī)療資源分配方法，包括以下步驟：基于圖論構(gòu)建醫(yī)療資源分配網(wǎng)絡(luò)，其中，節(jié)點代表醫(yī)療機(jī)構(gòu)，邊代表醫(yī)療資源在醫(yī)療機(jī)構(gòu)間的流動路徑；應(yīng)用多層次決策機(jī)制，將醫(yī)療資源分配問題分解為多個決策層次；利用...

本發(fā)明公開了一種基于分步采樣的帶噪聲數(shù)據(jù)聚類方法，包括獲取帶噪聲數(shù)據(jù)；針對獲取的帶噪聲數(shù)據(jù)，通過分步隨機(jī)采樣處理，獲取數(shù)據(jù)對應(yīng)的候選中心點，構(gòu)建部分中心點集；針對獲取的帶噪聲數(shù)據(jù)進(jìn)行迭代處理，同時將處理后的數(shù)據(jù)加入到構(gòu)建的部分中心點集中...

本發(fā)明提供一種水稻圖片病害區(qū)域分類處理方法，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，所述方法包括：獲取水稻病害的圖片，并構(gòu)建數(shù)據(jù)集；對數(shù)據(jù)集中的各個圖片進(jìn)行預(yù)處理，以得到預(yù)處理數(shù)據(jù)集；對預(yù)處理數(shù)據(jù)集進(jìn)行粗分類，以得到粗分類結(jié)果；根據(jù)粗分類結(jié)果，獲得病害區(qū)...

本發(fā)明實施例中提供了一種基于小波分解和改進(jìn)型LSTM的算力網(wǎng)絡(luò)流量預(yù)測方法，屬于通信技術(shù)領(lǐng)域，具體包括：數(shù)據(jù)預(yù)處理；構(gòu)建算力網(wǎng)絡(luò)流量預(yù)測模型；將訓(xùn)練集輸入算力網(wǎng)絡(luò)流量預(yù)測模型中，進(jìn)行迭代訓(xùn)練；將測試集輸入訓(xùn)練好的算力網(wǎng)絡(luò)流量預(yù)測模型，評...

本發(fā)明公開一種基于深度學(xué)習(xí)圖像分割的煤灰熔融性自動測定方法及裝置，該方法步驟包括：構(gòu)建基于深度學(xué)習(xí)的語義分割模型，包括特征編碼模塊以及特征解碼模塊，特征解碼模塊包括語義分割分支以及實例分割分支；使用灰錐熔融圖像數(shù)據(jù)集按照目標(biāo)損失函數(shù)訓(xùn)練...

本申請涉及一種基于權(quán)值分塊更新自編碼器的多采樣率軟測量方法，采集并歸一化處理工業(yè)過程中的歷史數(shù)據(jù)；在訓(xùn)練集中，將采樣率相同的過程變量作為一個組合，并按照采樣率從高到低對多個組合進(jìn)行排序，得到多采樣率數(shù)據(jù)；構(gòu)建權(quán)值分塊更新自編碼器，基于多...

本申請涉及一種基于特性正則化堆疊自編碼器的多輸出軟測量方法，收集并歸一化處理工業(yè)生產(chǎn)過程數(shù)據(jù)；訓(xùn)練集根據(jù)質(zhì)量變量的采樣率不同構(gòu)建多輸出特性學(xué)習(xí)訓(xùn)練集；將多輸出特性學(xué)習(xí)訓(xùn)練集輸入至特性正則化堆疊自編碼器，計算出隱含特征；計算隱含特征與質(zhì)量...

本發(fā)明公開了一種底泥重金屬污染修復(fù)效果的多目標(biāo)預(yù)測評估方法及設(shè)備，包括：收集生物炭修復(fù)底泥中重金屬修復(fù)效果的數(shù)據(jù)信息，并基于數(shù)據(jù)信息提取特征信息；對特征信息進(jìn)行預(yù)處理，并采用隨機(jī)森林對缺失值進(jìn)行填充，得到輸入特征；采用輸入特征對每個初始...

本發(fā)明涉及數(shù)據(jù)處理分析技術(shù)領(lǐng)域，具體公開了一種基于多模態(tài)交叉改進(jìn)的用戶意圖識別方法，包括構(gòu)建基于多模態(tài)特征交叉改進(jìn)的用戶意圖識別模型、采用基于聯(lián)邦蒸餾的隱私保護(hù)技術(shù)訓(xùn)練所述用戶意圖識別模型，即可通過所述用戶意圖識別模型獲取用戶意圖識別結(jié)...

本發(fā)明提供基于AI的生豬異常行為監(jiān)測預(yù)警方法及系統(tǒng)，涉及畜牧業(yè)表型識別檢測技術(shù)領(lǐng)域，所述方法包括：對生豬異常行為進(jìn)行數(shù)據(jù)采集，以構(gòu)建生豬行為數(shù)據(jù)集；構(gòu)建豬只行為監(jiān)測模型，獲取生豬行為數(shù)據(jù)集中豬只的中心位置，并根據(jù)豬只的中心位置對豬只進(jìn)行...

本發(fā)明公開了一種儲能電池弱監(jiān)督學(xué)習(xí)模型訓(xùn)練方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，所述方法包括：獲取預(yù)設(shè)時間段的電池運行數(shù)據(jù)，所述電池運行數(shù)據(jù)為弱監(jiān)督數(shù)據(jù)；基于初始儲能電池弱監(jiān)督學(xué)習(xí)模型的多層感知機(jī)，對所述電池運行數(shù)據(jù)進(jìn)行數(shù)據(jù)壓縮，得到潛在空...

本申請?zhí)峁┝硕嘤脩艄蚕泶鎯鼍跋碌腛RAM優(yōu)化策略，包括以下步驟：步驟一：各客戶端查看本地緩存是否存在目標(biāo)數(shù)據(jù)塊；步驟二：各客戶端獲取目標(biāo)數(shù)據(jù)塊位置；步驟三：各客戶端向服務(wù)器端發(fā)送讀寫請求；步驟四：服務(wù)器端將各客戶端發(fā)送的請求按路徑排列...

本發(fā)明公開一種基于數(shù)字孿生的智能儲能系統(tǒng)調(diào)控與運維方法及設(shè)備，涉及儲能系統(tǒng)智能管理領(lǐng)域。所述智能調(diào)控與運維方法包括：獲取當(dāng)前時間段內(nèi)的參數(shù)數(shù)據(jù)；根據(jù)當(dāng)前時間段內(nèi)的參數(shù)數(shù)據(jù)，利用SOX智能算法預(yù)測未來時間段內(nèi)的參數(shù)數(shù)據(jù)；根據(jù)未來時間段內(nèi)的...

本申請公開了一種基于邊緣設(shè)備的聯(lián)邦學(xué)習(xí)方法、裝置、服務(wù)器及介質(zhì)，該方法包括：獲取集群中邊緣設(shè)備的選中個數(shù)、計算功耗和傳輸功耗，根據(jù)選中個數(shù)、計算功耗、傳輸功耗以及預(yù)設(shè)的總功耗生成模型，生成集群對應(yīng)的總功耗；將最小的總功耗對應(yīng)的集群標(biāo)記為...

本發(fā)明公開了考慮樁土三維波動效應(yīng)的復(fù)合地基豎向動力阻抗確定方法，首先采用Biot三維多孔彈性介質(zhì)模型描述飽和土的動力學(xué)行為，而樁被視為具有徑向和豎向變形的三維桿件，采用Navier運動方程描述其動力學(xué)行為。在不引入勢函數(shù)的情況下，將土體...