CN113313268A - 一种基于联邦学习预测方法、装置、存储介质及遥感设备 - Google Patents

一种基于联邦学习预测方法、装置、存储介质及遥感设备 Download PDF

Info

Publication number
CN113313268A
CN113313268A CN202110655710.8A CN202110655710A CN113313268A CN 113313268 A CN113313268 A CN 113313268A CN 202110655710 A CN202110655710 A CN 202110655710A CN 113313268 A CN113313268 A CN 113313268A
Authority
CN
China
Prior art keywords
data
prediction
federal learning
module
program
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
CN202110655710.8A
Other languages
English (en)
Inventor
顾冉
叶薇薇
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.)
Hangzhou Fuchen Shuzhi Technology Co ltd
Original Assignee
Hangzhou Fuchen Shuzhi 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 Hangzhou Fuchen Shuzhi Technology Co ltd filed Critical Hangzhou Fuchen Shuzhi Technology Co ltd
Priority to CN202110655710.8A priority Critical patent/CN113313268A/zh
Publication of CN113313268A publication Critical patent/CN113313268A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/14—Error detection or correction of the data by redundancy in operation
    • G06F11/1402—Saving, restoring, recovering or retrying
    • G06F11/1446—Point-in-time backing up or restoration of persistent data
    • G06F11/1458—Management of the backup or restore process
    • G06F11/1464—Management of the backup or restore process for networked environments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0852—Delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0894—Packet rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于联邦学习预测方法、装置、存储介质及遥感设备，涉及数据处理技术领域，包括S1、接收数据：接收外界收集的数据，S2、输入数据：将步骤S1中的数据进行输入至联邦学习预测程序内部，本发明的有益效果是：本发明通过针对基于联邦学习预测时的数据进行网络把控，使得传输数据时针对网络速度与整体流畅度延迟性得到缓解，从而保证正常输送数据，本发明通过针对基于联邦学习预测时的数据进行筛分、公式计算、统计结果使得汇总数据时直接过滤部分不需求的数据，减少了对传输通道的占用，从而提高了传输输的速度与效率，避免出现断网情况导致的整体数据出现丢失，基于联邦学习实现了高空数据的综合利用，打破了数据传输的技术瓶颈。

Description

一种基于联邦学习预测方法、装置、存储介质及遥感设备
技术领域
本发明涉及数据处理技术领域，具体为一种基于联邦学习预测方法、装置、存储介质及遥感设备。
背景技术
随着计算机技术的发展，越来越多的技术在金融领域，传统金融业正在逐步向金融科技转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。当前越来越多的人造卫星等遥感设备在高空中运行，并执行各自的任务，获得对应的数据。现有技术较为死板，现有的遥感技术难度高、耗资大，遥感设备获得的数据都很珍贵，而且在进行正常传输数据过程中容易受到外界因素影响，诸如来自网络的要求，来自延迟的影响，而且还存在一些当前不需求的数据也会占用通道进行数据传输，未进行及时有效筛分处理，从而造成地面工作人员数据分析结果的延迟、不准确与不及时性。因此需要本发明需要设计一种基于联邦学习预测方法、装置、存储介质及遥感设备来解决上述出现的问题。
发明内容
本发明的目的在于提供一种基于联邦学习预测方法、装置、存储介质及遥感设备，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于联邦学习预测方法，包括以下内容：
S1、接收数据：接收外界收集的数据；
S2、输入数据：将步骤S1中的数据进行输入至联邦学习预测程序内部；
S3、传输数据：将步骤S2中完成输入的数据进行程序内部传输；
S4、汇总数据：将步骤S3中完成传输的数据进行程序内部汇总整合；
S5、预测数据：将步骤S4中完成汇总的数据进行程序内部统一分析预测；
S6、输出数据：将步骤S5中完成预测分析的数据通过程序正常输出与备份。
优选的，所述步骤S4还包括以下内容：
(1)数据筛分：针对收集的数据进行分类筛分，针对需要的进行后续步骤，针对不需要的进行备份及删除；
(2)公式计算：通过公式进行辅助整合处理，加快汇总效率；
(3)统计结果：将完成计算之后的数据进行通过表格进行汇总展现。
优选的，所述公式计算还包括以下内容：
Figure BDA0003113587840000021
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
优选的，所述步骤S3还包括以下内容：
A、检查网络：针对正常运行时的网络速度进行及时检查，保证正常传输；
B、检查延迟：针对数据传输时出现的延迟进行及时检查，保证正常传输。
优选的，所述步骤S5还包括数据备份：针对预测完成的数据进行后台备份处理。
此外，为实现上述目的，本发明还提供一种基于联邦学习预测装置，所述基于联邦学习预测装置包括收集模块、输入模块、传输模块、汇总模块、预测模块和输出模块；
收集模块：对需要学习、预测的数据进行统一收集；
输入模块：对完成收集的数据进行输入至程序内部；
传输模块：对输入程序内部的数据进行传输；
汇总模块：对传输至一起的数据进行汇总整合；
预测模块：对完成汇总处理之后的数据进行及时预测分析；
输出模块：对预测完成的数据结果进行备份、输出。
优选的，所述传输模块还包括检查网络和检查延迟单元，所述预测模块还包括数据备份单元。
优选的，所述汇总模块还包括数据筛分单元、公式计算单元和统计结果单元。
此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有基于联邦学习预测程序，所述基于联邦学习预测程序被处理器运行时实现如权利要求1-5中任一项所述基于联邦学习预测方法的步骤。
此外，为实现上述目的，本发明还提供一种遥感设备，所述遥感设备包括控制终端及存储在所述控制终端中的基于联邦学习预测程序，所述基于联邦学习预测程序被所述控制终端运行时，实现如权利要求1-5中任一项所述的基于联邦学习预测方法的步骤。
与现有技术相比，本发明的有益效果是：本发明通过针对基于联邦学习预测时的数据进行网络把控，使得传输数据时针对网络速度与整体流畅度延迟性得到缓解，从而保证正常输送数据，本发明通过针对基于联邦学习预测时的数据进行筛分、公式计算、统计结果使得汇总数据时直接过滤部分不需求的数据，减少了对传输通道的占用，从而提高了传输输的速度与效率，本发明通过针对基于联邦学习预测时的数据进行备份操作，避免出现断网情况导致的整体数据出现丢失，基于联邦学习实现了高空数据的综合利用，打破了数据传输的技术瓶颈。
附图说明
图1为本发明基于联邦学习预测装置整体流程图；
图2为本发明汇总模块局部流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种基于联邦学习预测方法，包括以下内容：
S1、接收数据：接收外界收集的数据；
S2、输入数据：将步骤S1中的数据进行输入至联邦学习预测程序内部；
S3、传输数据：将步骤S2中完成输入的数据进行程序内部传输；
S4、汇总数据：将步骤S3中完成传输的数据进行程序内部汇总整合；
S5、预测数据：将步骤S4中完成汇总的数据进行程序内部统一分析预测；
S6、输出数据：将步骤S5中完成预测分析的数据通过程序正常输出与备份。
进一步的，所述步骤S4还包括以下内容：
(1)数据筛分：针对收集的数据进行分类筛分，针对需要的进行后续步骤，针对不需要的进行备份及删除；
(2)公式计算：通过公式进行辅助整合处理，加快汇总效率；
(3)统计结果：将完成计算之后的数据进行通过表格进行汇总展现。
进一步的，所述公式计算还包括以下内容：
Figure BDA0003113587840000041
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
具体实施例一：
Figure BDA0003113587840000051
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
Figure BDA0003113587840000052
当i＝0时，
当(A)(1)值趋向0，说明整体预测数据精准性较低，不具有较大的参考性，需要重新进行数据处理，
当(A)(1)值趋向1，说明整体预测数据精准性较高，具有较大的参考性，及时进行记录处理。
具体实施例二：
Figure BDA0003113587840000053
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
Figure BDA0003113587840000054
当i趋向0时，
当(A)(1)值趋向1，说明整体预测数据精准性较低，不具有较大的参考性，需要重新进行数据处理，
当(A)(1)值趋向0，说明整体预测数据精准性较高，具有较大的参考性，及时进行记录处理。
具体实施例三：
Figure BDA0003113587840000061
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
Figure BDA0003113587840000062
当i大于0时，
当(A)(1)值趋向0，说明整体预测数据精准性较低，不具有较大的参考性，需要重新进行数据处理，
当(A)(1)值趋向1，说明整体预测数据精准性较高，具有较大的参考性，及时进行记录处理。
进一步的，所述步骤S3还包括以下内容：
A、检查网络：针对正常运行时的网络速度进行及时检查，保证正常传输；
B、检查延迟：针对数据传输时出现的延迟进行及时检查，保证正常传输。
优选的，所述步骤S5还包括数据备份：针对预测完成的数据进行后台备份处理。
此外，为实现上述目的，本发明还提供一种基于联邦学习预测装置，所述基于联邦学习预测装置包括收集模块、输入模块、传输模块、汇总模块、预测模块和输出模块；
收集模块：对需要学习、预测的数据进行统一收集；
输入模块：对完成收集的数据进行输入至程序内部；
传输模块：对输入程序内部的数据进行传输；
汇总模块：对传输至一起的数据进行汇总整合；
预测模块：对完成汇总处理之后的数据进行及时预测分析；
输出模块：对预测完成的数据结果进行备份、输出。
进一步的，所述传输模块还包括检查网络和检查延迟单元，所述预测模块还包括数据备份单元。
进一步的，所述传输模块还包括检查网络和检查延迟单元，所述预测模块还包括数据备份单元。
进一步的，所述汇总模块还包括数据筛分单元、公式计算单元和统计结果单元。
此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有基于联邦学习预测程序，所述基于联邦学习预测程序被处理器运行时实现如权利要求1-5中任一项所述基于联邦学习预测方法的步骤。
此外，为实现上述目的，本发明还提供一种遥感设备，所述遥感设备包括控制终端及存储在所述控制终端中的基于联邦学习预测程序，所述基于联邦学习预测程序被所述控制终端运行时，实现如权利要求1-5中任一项所述的基于联邦学习预测方法的步骤。
具体的，使用本发明时，S1、接收数据：接收外界收集的数据；S2、输入数据：将步骤S1中的数据进行输入至联邦学习预测程序内部；S3、传输数据：将步骤S2中完成输入的数据进行程序内部传输，检查网络：针对正常运行时的网络速度进行及时检查，保证正常传输，检查延迟：针对数据传输时出现的延迟进行及时检查，保证正常传输；S4、汇总数据：将步骤S3中完成传输的数据进行程序内部汇总整合，数据筛分：针对收集的数据进行分类筛分，针对需要的进行后续步骤，针对不需要的进行备份及删除，公式计算：通过公式进行辅助整合处理，加快汇总效率，
Figure BDA0003113587840000081
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数，统计结果：将完成计算之后的数据进行通过表格进行汇总展现；S5、预测数据：将步骤S4中完成汇总的数据进行程序内部统一分析预测，针对预测完成的数据进行后台备份处理；S6、输出数据：将步骤S5中完成预测分析的数据通过程序正常输出与备份。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于联邦学习预测方法，其特征在于，包括以下内容：
S1、接收数据：接收外界收集的数据；
S2、输入数据：将步骤S1中的数据进行输入至联邦学习预测程序内部；
S3、传输数据：将步骤S2中完成输入的数据进行程序内部传输；
S4、汇总数据：将步骤S3中完成传输的数据进行程序内部汇总整合；
S5、预测数据：将步骤S4中完成汇总的数据进行程序内部统一分析预测；
S6、输出数据：将步骤S5中完成预测分析的数据通过程序正常输出与备份。
2.根据权利要求1所述的一种基于联邦学习预测方法，其特征在于，所述步骤S4还包括以下内容：
(1)数据筛分：针对收集的数据进行分类筛分，针对需要的进行后续步骤，针对不需要的进行备份及删除；
(2)公式计算：通过公式进行辅助整合处理，加快汇总效率；
(3)统计结果：将完成计算之后的数据进行通过表格进行汇总展现。
3.根据权利要求2所述的一种基于联邦学习预测方法，其特征在于，所述公式计算还包括以下内容：
Figure FDA0003113587830000011
所述(A)(n)为联邦分析模型汇总总值，A为单个遥感设备编号，所述n为至联邦学习预测程序固定数值，所述i为自然常数，所述a为不可控变量，所述b为可控变量，所述p为计算次数。
4.根据权利要求1所述的一种基于联邦学习预测方法，其特征在于：所述步骤S3还包括以下内容：
A、检查网络：针对正常运行时的网络速度进行及时检查，保证正常传输；
B、检查延迟：针对数据传输时出现的延迟进行及时检查，保证正常传输。
5.根据权利要求1所述的一种基于联邦学习预测方法，其特征在于：所述步骤S5还包括数据备份：针对预测完成的数据进行后台备份处理。
6.一种基于联邦学习预测装置，其特征在于：所述基于联邦学习预测装置包括收集模块、输入模块、传输模块、汇总模块、预测模块和输出模块；
收集模块：对需要学习、预测的数据进行统一收集；
输入模块：对完成收集的数据进行输入至程序内部；
传输模块：对输入程序内部的数据进行传输；
汇总模块：对传输至一起的数据进行汇总整合；
预测模块：对完成汇总处理之后的数据进行及时预测分析；
输出模块：对预测完成的数据结果进行备份、输出。
7.根据权利要求6所述的一种基于联邦学习预测装置，其特征在于：所述传输模块还包括检查网络和检查延迟单元，所述预测模块还包括数据备份单元。
8.根据权利要求6所述的一种基于联邦学习预测装置，其特征在于：所述汇总模块还包括数据筛分单元、公式计算单元和统计结果单元。
9.一种计算机存储介质，其特征在于：所述计算机存储介质上存储有基于联邦学习预测程序，所述基于联邦学习预测程序被处理器运行时实现如权利要求1-5中任一项所述基于联邦学习预测方法的步骤。
10.一种遥感设备，其特征在于：所述遥感设备包括控制终端及存储在所述控制终端中的基于联邦学习预测程序，所述基于联邦学习预测程序被所述控制终端运行时，实现如权利要求1-5中任一项所述的基于联邦学习预测方法的步骤。
CN202110655710.8A 2021-06-11 2021-06-11 一种基于联邦学习预测方法、装置、存储介质及遥感设备 Pending CN113313268A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110655710.8A CN113313268A (zh) 2021-06-11 2021-06-11 一种基于联邦学习预测方法、装置、存储介质及遥感设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110655710.8A CN113313268A (zh) 2021-06-11 2021-06-11 一种基于联邦学习预测方法、装置、存储介质及遥感设备

Publications (1)

Publication Number Publication Date
CN113313268A true CN113313268A (zh) 2021-08-27

Family

ID=77378643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110655710.8A Pending CN113313268A (zh) 2021-06-11 2021-06-11 一种基于联邦学习预测方法、装置、存储介质及遥感设备

Country Status (1)

Country Link
CN (1) CN113313268A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113891046A (zh) * 2021-09-29 2022-01-04 重庆电子工程职业学院 一种无线视频监控系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200027019A1 (en) * 2019-08-15 2020-01-23 Lg Electronics Inc. Method and apparatus for learning a model to generate poi data using federated learning
CN111079022A (zh) * 2019-12-20 2020-04-28 深圳前海微众银行股份有限公司 基于联邦学习的个性化推荐方法、装置、设备及介质
CN111382706A (zh) * 2020-03-10 2020-07-07 深圳前海微众银行股份有限公司 基于联邦学习的预测方法、装置、存储介质及遥感设备
CN111444848A (zh) * 2020-03-27 2020-07-24 广州英码信息科技有限公司 一种基于联邦学习的特定场景模型升级方法和系统
CN112685444A (zh) * 2020-12-24 2021-04-20 江苏苏宁云计算有限公司 数据查询方法、装置、计算机设备和存储介质
CN112738266A (zh) * 2020-12-31 2021-04-30 山东向明环保科技有限公司 数据采集传输设备系统及预知诊断、边缘计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200027019A1 (en) * 2019-08-15 2020-01-23 Lg Electronics Inc. Method and apparatus for learning a model to generate poi data using federated learning
CN111079022A (zh) * 2019-12-20 2020-04-28 深圳前海微众银行股份有限公司 基于联邦学习的个性化推荐方法、装置、设备及介质
CN111382706A (zh) * 2020-03-10 2020-07-07 深圳前海微众银行股份有限公司 基于联邦学习的预测方法、装置、存储介质及遥感设备
CN111444848A (zh) * 2020-03-27 2020-07-24 广州英码信息科技有限公司 一种基于联邦学习的特定场景模型升级方法和系统
CN112685444A (zh) * 2020-12-24 2021-04-20 江苏苏宁云计算有限公司 数据查询方法、装置、计算机设备和存储介质
CN112738266A (zh) * 2020-12-31 2021-04-30 山东向明环保科技有限公司 数据采集传输设备系统及预知诊断、边缘计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113891046A (zh) * 2021-09-29 2022-01-04 重庆电子工程职业学院 一种无线视频监控系统及方法
CN113891046B (zh) * 2021-09-29 2023-05-02 重庆电子工程职业学院 一种无线视频监控系统及方法

Similar Documents

Publication Publication Date Title
US11705923B2 (en) Method and apparatus for storing data, and computer device and storage medium thereof
CN110647447B (zh) 用于分布式系统的异常实例检测方法、装置、设备和介质
CN112612664B (zh) 电子设备的测试方法、装置、电子设备和存储介质
CN111985831A (zh) 云计算资源的调度方法、装置、计算机设备及存储介质
CN113313268A (zh) 一种基于联邦学习预测方法、装置、存储介质及遥感设备
CN115794578A (zh) 一种电力系统的数据管理方法、装置、设备及介质
CN115509797A (zh) 一种故障类别的确定方法、装置、设备及介质
CN113313304A (zh) 一种基于大数据决策树的电网事故异常分析方法及系统
CN116074183B (zh) 一种基于规则引擎的c3超时分析方法、装置及设备
CN112231549A (zh) 一种专利价值评估方法，系统、设备和存储介质
CN111813834A (zh) 一种数据挖掘系统以及数据挖掘方法
CN107748711B (zh) 自动优化Storm并行度的方法、终端设备及存储介质
CN115081429A (zh) 一种指令校验方法、装置、设备和存储介质
CN116029731A (zh) 一种处理行情数据的方法、装置及电子设备
CN114818635A (zh) 数据报表生成方法、装置、电子设备及存储介质
CN112560992B (zh) 优化图片分类模型的方法、装置、电子设备及存储介质
CN116127326B (zh) 一种复合绝缘子检测方法、装置、电子设备及存储介质
CN115858325B (zh) 一种项目日志的调整方法、装置、设备和存储介质
CN115361584B (zh) 一种视频数据处理方法、装置、电子设备及可读存储介质
CN115098405B (zh) 软件产品的测评方法、装置、电子设备及存储介质
RU2715524C1 (ru) Способ автоматизированного формирования электронной информационной модели силовой установки и устройство для его реализации
CN117714263A (zh) 一种前端异常监控系统、方法、电子设备及存储介质
CN117540718A (zh) 一种基于文档对象模型的巡检结果智能统计方法
CN115390995A (zh) 一种容器数量的调整方法、装置、设备和介质
KR20240080023A (ko) 제조 공정의 검사 결과를 저장하고 분석하는 방법

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: 20210827

RJ01 Rejection of invention patent application after publication