CN112749844A - 基于人工智能的产业规划方法、装置、存储介质、电子设备 - Google Patents

基于人工智能的产业规划方法、装置、存储介质、电子设备 Download PDF

Info

Publication number
CN112749844A
CN112749844A CN202110042391.3A CN202110042391A CN112749844A CN 112749844 A CN112749844 A CN 112749844A CN 202110042391 A CN202110042391 A CN 202110042391A CN 112749844 A CN112749844 A CN 112749844A
Authority
CN
China
Prior art keywords
industry
artificial intelligence
information
intelligence model
planning
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.)
Pending
Application number
CN202110042391.3A
Other languages
English (en)
Inventor
刘宁
杨淑港
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Guozhi Intelligent Technology Co ltd
Original Assignee
Shenzhen Guozhi Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Guozhi Intelligent Technology Co ltd filed Critical Shenzhen Guozhi Intelligent Technology Co ltd
Priority to CN202110042391.3A priority Critical patent/CN112749844A/zh
Publication of CN112749844A publication Critical patent/CN112749844A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于人工智能的产业规划方法、装置、电子设备、计算机可读存储介质。其中方法包括：步骤S1.训练第一人工智能模型、第二人工智能模型；步骤S2.获取目标园区的区域位置及建设规模；步骤S3.爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域的生产要素信息作为样本集合D1；步骤S4.将样本集合D1输入至第一人工智能模型以规划输出目标园区的产业定位及其中的产业细分内容，将建设规模、产业定位及产业细分内容输入第二人工智能模型，基于机器学习输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。

Description

基于人工智能的产业规划方法、装置、存储介质、电子设备
技术领域
本发明涉及机器学习技术，尤其是一种基于人工智能的产业规划方法、装置、电子设备、计算机可读存储介质。
背景技术
产业规划，是指运用各种理论分析工具，从当地实际状况出发，充分考虑国际国内及区域经济发展态势，以及当地产业发展的规划、产业体系、产业结构、产业链、空间布局、经济社会环境等影响，由产业规划师收集阅读大量资料后，对目标园区的实施方案编写科学计划，但不同的规划师由于其主观因素影响，即便对同一目标园区，所作出的规划差别也很大，效果也相差很远，无法实现标准化。
发明内容
本发明为解决或部分解决现有技术的不足之处，而提供一种基于人工智能的产业规划方法、电子设备、计算机可读存储介质。
为实现所述目的，依据本发明的一个方面，提供一种基于人工智能的产业规划方法，包括：
步骤S1.训练第一人工智能模型、第二人工智能模型；
步骤S2.获取用户输入的目标园区的区域位置及建设规模；
步骤S3.从互联网爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域位置处的生产要素信息；
步骤S4.将产业趋势信息、产业规划信息、生产要素信息作为样本集合D1输入至第一人工智能模型，利用第一人工智能模型规划并输出目标园区的产业定位及其中的产业细分内容，将目标园区的建设规模、产业定位及其中的产业细分内容作为样本集合D2输入第二人工智能模型，利用第二人工智能模型输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
其中，所述步骤S1进一步包括：
将产业规划的内容归类成产业分析模块、产业定位模块、产业落地模块三大部分，其中产业分析模块包含城市的产业趋势内容信息类、产业规划内容信息类、目标位置的产业基础内容信息类，产业定位模块包含产业定位信息类、产业细分内容信息类，产业落地模块包含产业聚集发展路径信息类、产业载体信息类；
训练第一人工智能模型时，基于由产业趋势内容信息类、产业规划内容信息类、生产要素内容信息类三者推导产业定位信息类、产业细分内容信息类的执行路径，从历史规划方案抽取相应各信息类作为训练数据，对基于关联规则学习算法进行训练，以获得第一人工智能模型，其中模型输入为样本集合D1，输出为目标园区的产业定位及其中的产业细分内容。
训练第二工智能模型时，基于由产业定位信息类、产业细分内容信息类两者推导产业聚集发展路径信息类、产业载体信息类的执行路径，从历史规划方案抽取相应各信息类作为训练数据，对关联规则学习算法进行训练，以获得第二人工智能模型，其中模型输入为样本集合D2，输出为产业规划方案。
其中，所述产业趋势内容信息类进一步包含的细项有国际产业发展信息、国内扶持产业政策、地方产业指引信息；
所述产业规划内容信息类进一步包含的细项有城市目标、产业潜力、产业链、产业集群、产业政策；
所述生产要素内容信息类进一步包含的细项有目标园区所在区域位置处的区位、禀赋、竞合、产业现状、产业发展历程；
所述产业定位信息类进一步包含的细项有目标园区的最优选的产业定位方向；
所述产业细分内容信息类进一步包含的细项有最优选产业定位方向的细分产业内容；
所述产业聚集发展路径信息类进一步包含的细项有最优选产业定位方向的产业聚集发展路径；
所述产业载体信息类进一步包含的细项有基于所述细分产业内容所确定的产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
其中，所述第一人工智能模型、第二人工智能模型所用的学习算法相同。
其中，第一人工智能模型、第二人工智能模型所用的学习算法为Apriori算法，在步骤S4中，还将支持度阈值η1输入至第一人工智能模型，以及将支持度阈值η2输入至第二人工智能模型。
步骤S3中，基于网络爬虫算法实施所述爬取。
本发明的方法通过把产业规划的内容切分成最小模块，利用爬虫技术在网上爬取每一个最小模块的内容，然后结合人工智能算法进行关联性学习，实现产业规划的机器智能输出，达到规划标准化效果。
所述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的所述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的台件。
在附图中：
图1示出了本发明的基于人工智能的产业规划方法的实施流程图；
图2为本发明的电子设备的结构示意图；
图3为本发明的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本实施例基于电子设备实施，如计算机设备，电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，如图1所示，实现以下的基于人工智能的产业规划方法，包括：
步骤S1.训练第一人工智能模型、第二人工智能模型；
步骤S2.获取用户输入的目标园区的区域位置及建设规模；
步骤S3.从互联网基于网络爬虫算法爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域位置处的生产要素信息；
步骤S4.将产业趋势信息、产业规划信息、生产要素信息作为样本集合D1输入至第一人工智能模型，利用第一人工智能模型规划并输出目标园区的产业定位及其中的产业细分内容，将目标园区的建设规模、产业定位及其中的产业细分内容作为样本集合D2输入第二人工智能模型，利用第二人工智能模型输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
本实施例的方法通过把产业规划的内容切分成最小模块，利用爬虫技术在网上爬取每一个最小模块的内容，然后结合人工智能算法进行关联性学习，实现产业规划的机器智能输出，达到规划标准化效果。
作为一种实施方案，将产业规划的内容归类成产业分析模块、产业定位模块、产业落地模块三大部分。
产业分析模块又划分为城市的产业趋势内容信息类、产业规划内容信息类、目标位置的产业基础内容信息类三类。其中产业趋势内容信息类进一步包含的细项有国际产业发展信息、国内扶持产业政策、地方产业指引信息，产业规划内容信息类进一步包含的细项有城市目标、产业潜力、产业链、产业集群、产业政策，生产要素内容信息类进一步包含的细项有目标园区所在区域位置处的区位、禀赋、竞合、产业现状、产业发展历程。
产业定位模块又划分为产业定位信息类、产业细分内容信息类，产业落地模块包含产业聚集发展路径信息类、产业载体信息类。其中产业定位信息类进一步包含的细项有目标园区的最优选的产业定位方向，产业细分内容信息类进一步包含的细项有最优选产业定位方向的细分产业内容。
产业落地模块又划分为产业聚集发展路径信息类、产业载体信息类。其中产业聚集发展路径信息类进一步包含的细项有最优选产业定位方向的产业聚集发展路径，产业载体信息类进一步包含的细项有基于所述细分产业内容所确定的产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
通过规定各模块内容及执行路径，操作时机器只需爬取产业趋势内容信息类、产业规划内容信息类、生产要素内容信息类内各项信息，并基于机器学习能力填空式推导产业定位信息类、产业细分内容信息类内各项信息即可，实现逐步引导式机器执行。其中机器学习采用基于关联规则学习的Apr ior i算法，通过给定支持度阈值η1和样本集合D1作为输入，以目标园区的产业定位及其中的产业细分内容作为输出，通过从历史规划方案抽取相应各信息类作为训练数据，对第一人工智能模型进行训练，确保管理推导正确率。
上述中，Apr ior i算法是执行过程为，先单趟扫描数据集，计算各个一项集的支持度，根据给定的最小支持度闵值，得到一项频繁集L1，然后通过连接运算，得到二项候选集，对每个候选集再次扫描数据集，得出每个候选集的支持度，再与最小支持度比较，得到二项频繁集L2，如此循环迭代，直到不能连接产生新的候选集为止，然后对于找到的所有频繁集，用规则提取算法进行关联规则的提取。
优选地，为使两个模型的推导标准一致化，第二人工智能模型所用的学习算法与第一人工智能模型相同，也是Apr ior i算法。对于第二人工智能模型，训练其执行路径为由产业定位信息类、产业细分内容信息类两者推导产业聚集发展路径信息类、产业载体信息类，通过给定支持度阈值η2和样本集合D2，并以产业规划方案作为输出，通过从抽取相应各信息类作为训练数据进行训练。
本实施例中，还提供一种基于人工智能的产业规划装置，包括：
装置S1，其适于训练第一人工智能模型、第二人工智能模型；
装置S2，其适于获取用户输入的目标园区的区域位置及建设规模；
装置S3，其适于从互联网爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域位置处的生产要素信息；
装置S4，其适于将产业趋势信息、产业规划信息、生产要素信息作为样本集合D1输入至第一人工智能模型，利用第一人工智能模型规划并输出目标园区的产业定位及其中的产业细分内容，将目标园区的建设规模、产业定位及其中的产业细分内容作为样本集合D2输入第二人工智能模型，利用第二人工智能模型输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
本实施例中，还提供一种电子设备，其中，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行所述的方法。
本实施例中，还提供一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现所述的方法。
需要说明的是：
本实施例所用的方法，可转化为可存储于计算机存储介质中的程序步骤及装置，通过被控制器调用执行的方式进行实施，其中所述装置应当被理解为计算机程序实现的功能模块。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图2示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器31和被安排成存储计算机可执行指令(程序代码)的存储器32。存储器32可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器32具有存储用于执行实施例中的任何方法步骤的程序代码34的存储空间33。例如，用于程序代码的存储空间33可以包括分别用于实现上面的方法中的各种步骤的各个程序代码34。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图3所述的计算机可读存储介质。该计算机可读存储介质可以具有与图2的电子设备中的存储器32类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元存储有用于执行根据本发明的方法步骤的程序代码41，即可以由诸如31之类的处理器读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。
应该注意的是所述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (9)

1.一种基于人工智能的产业规划方法，其特征在于，包括：
步骤S1.训练第一人工智能模型、第二人工智能模型；
步骤S2.获取用户输入的目标园区的区域位置及建设规模；
步骤S3.从互联网爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域位置处的生产要素信息；
步骤S4.将产业趋势信息、产业规划信息、生产要素信息作为样本集合D1输入至第一人工智能模型，利用第一人工智能模型规划并输出目标园区的产业定位及其中的产业细分内容，将目标园区的建设规模、产业定位及其中的产业细分内容作为样本集合D2输入第二人工智能模型，利用第二人工智能模型输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
2.如权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：
将产业规划的内容归类成产业分析模块、产业定位模块、产业落地模块三大部分，其中产业分析模块包含城市的产业趋势内容信息类、产业规划内容信息类、目标位置的产业基础内容信息类，产业定位模块包含产业定位信息类、产业细分内容信息类，产业落地模块包含产业聚集发展路径信息类、产业载体信息类；
训练第一人工智能模型时，基于由产业趋势内容信息类、产业规划内容信息类、生产要素内容信息类三者推导产业定位信息类、产业细分内容信息类的执行路径，从历史规划方案抽取相应各信息类作为训练数据，对基于关联规则学习算法进行训练，以获得第一人工智能模型，其中模型输入为样本集合D1，输出为目标园区的产业定位及其中的产业细分内容。
训练第二工智能模型时，基于由产业定位信息类、产业细分内容信息类两者推导产业聚集发展路径信息类、产业载体信息类的执行路径，从历史规划方案抽取相应各信息类作为训练数据，对关联规则学习算法进行训练，以获得第二人工智能模型，其中模型输入为样本集合D2，输出为产业规划方案。
3.如权利要求2所述的方法，其特征在于：
所述产业趋势内容信息类进一步包含的细项有国际产业发展信息、国内扶持产业政策、地方产业指引信息；
所述产业规划内容信息类进一步包含的细项有城市目标、产业潜力、产业链、产业集群、产业政策；
所述生产要素内容信息类进一步包含的细项有目标园区所在区域位置处的区位、禀赋、竞合、产业现状、产业发展历程；
所述产业定位信息类进一步包含的细项有目标园区的最优选的产业定位方向；
所述产业细分内容信息类进一步包含的细项有最优选产业定位方向的细分产业内容；
所述产业聚集发展路径信息类进一步包含的细项有最优选产业定位方向的产业聚集发展路径；
所述产业载体信息类进一步包含的细项有基于所述细分产业内容所确定的产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
4.如权利要求3所述的方法，其特征在于，所述第一人工智能模型、第二人工智能模型所用的学习算法相同。
5.如权利要求4所述的方法，其特征在于，第一人工智能模型、第二人工智能模型所用的学习算法为Apriori算法，在步骤S4中，还将支持度阈值η1输入至第一人工智能模型，以及将支持度阈值η2输入至第二人工智能模型。
6.如权利要求1所述的方法，其特征在于，步骤S3中，基于网络爬虫算法实施所述爬取。
7.一种基于人工智能的产业规划装置，其特征在于，包括：
装置S1，其适于训练第一人工智能模型、第二人工智能模型；
装置S2，其适于获取用户输入的目标园区的区域位置及建设规模；
装置S3，其适于从互联网爬取目标园区所在城市的产业趋势信息、产业规划信息，以及目标园区所在区域位置处的生产要素信息；
装置S4，其适于将产业趋势信息、产业规划信息、生产要素信息作为样本集合D1输入至第一人工智能模型，利用第一人工智能模型规划并输出目标园区的产业定位及其中的产业细分内容，将目标园区的建设规模、产业定位及其中的产业细分内容作为样本集合D2输入第二人工智能模型，利用第二人工智能模型输出目标园区的产业规划方案，其中产业规划方案中的向量P包括但不限于产业聚集发展路径、产业载体类型、目标园区的功能分区、产业载体于功能分区中的落地位置。
8.一种电子设备，其中，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1～6中任一项所述的方法。
9.一种存储介质，其中，所述存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1～6中任一项所述的方法。
CN202110042391.3A 2021-01-13 2021-01-13 基于人工智能的产业规划方法、装置、存储介质、电子设备 Pending CN112749844A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110042391.3A CN112749844A (zh) 2021-01-13 2021-01-13 基于人工智能的产业规划方法、装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110042391.3A CN112749844A (zh) 2021-01-13 2021-01-13 基于人工智能的产业规划方法、装置、存储介质、电子设备

Publications (1)

Publication Number Publication Date
CN112749844A true CN112749844A (zh) 2021-05-04

Family

ID=75651099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110042391.3A Pending CN112749844A (zh) 2021-01-13 2021-01-13 基于人工智能的产业规划方法、装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN112749844A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117829551A (zh) * 2024-03-04 2024-04-05 四川华恒升科技发展有限公司 一种用于农业规划的数据管理方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117829551A (zh) * 2024-03-04 2024-04-05 四川华恒升科技发展有限公司 一种用于农业规划的数据管理方法及系统
CN117829551B (zh) * 2024-03-04 2024-06-04 四川华恒升科技发展有限公司 一种用于农业规划的数据管理方法及系统

Similar Documents

Publication Publication Date Title
Wenzel et al. A literature review on machine learning in supply chain management
CN110377984B (zh) 一种工业设备剩余有效寿命预测方法、系统及电子设备
CN111680701B (zh) 图像识别模型的训练方法、装置及图像识别方法、装置
CN109242013B (zh) 一种数据标注方法、装置、电子设备及存储介质
CN106530305A (zh) 语义分割模型训练和图像分割方法及装置、计算设备
KR20190021189A (ko) 모델 분석 방법, 장치 및 컴퓨터 판독 가능한 저장매체
CN106097353A (zh) 基于多层次局部区域融合的物体分割方法及装置、计算设备
US11403550B2 (en) Classifier
WO2014199920A1 (ja) 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体
CN109753498A (zh) 基于机器学习的数据清洗方法及终端设备
EP3846034A1 (en) Systems and methods for automated testing using artificial intelligence techniques
CN110378391A (zh) 计算模型的特征筛选方法、装置、电子设备和存储介质
CN108681505B (zh) 一种基于决策树的测试用例排序方法和装置
CN105303163A (zh) 一种目标检测的方法及检测装置
CN113468338A (zh) 针对数字化云业务的大数据分析方法及大数据服务器
Kou et al. Binary Particle Swarm Optimization‐Based Association Rule Mining for Discovering Relationships between Machine Capabilities and Product Features
CN112749844A (zh) 基于人工智能的产业规划方法、装置、存储介质、电子设备
CN114706761A (zh) 一种基于约束分割的混合执行测试优化方法及装置
CN113343767A (zh) 物流违规操作的识别方法、装置、设备和存储介质
CN103605670A (zh) 一种用于确定网络资源点的抓取频率的方法和装置
CN111027669A (zh) 在现场可编程门阵列上实现深度神经网络的方法及装置
CN112749901B (zh) 产业园区空间规划布局方法、装置、存储介质、电子设备
CN114496068A (zh) 蛋白质二级结构预测方法、装置、设备及存储介质
CN113989671A (zh) 基于语义感知与动态图卷积的遥感场景分类方法及系统
CN104375827B (zh) 基于高层设计的交互式软件自动化重构方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210504

RJ01 Rejection of invention patent application after publication