CN117312388B - 一种人工智能模型控制系统 - Google Patents
一种人工智能模型控制系统 Download PDFInfo
- Publication number
- CN117312388B CN117312388B CN202311288358.4A CN202311288358A CN117312388B CN 117312388 B CN117312388 B CN 117312388B CN 202311288358 A CN202311288358 A CN 202311288358A CN 117312388 B CN117312388 B CN 117312388B
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- logic
- processing logic
- controlled
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
- G06F16/24532—Query optimisation of parallel queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人工智能模型控制系统,本发明涉及人工智能技术领域,解决了原始的控制系统并未对所采集的数据进行逻辑处理导致处理进程较为缓慢的问题,本发明对内部需求逻辑序列进行调整,相比于原先的处理效率,其速度更快,时间更短,针对于外部介入的控制数据,需确定处理逻辑,并不是控制数据介入后,便需要进行处理,需充分考虑此模型是否因数据并发而处于负载状态,从而影响整个数据处理进程,需要将不同控制数据与此模型的原始处理进程进行详细结合分析,确定最佳的处理效率,随后,锁定处理逻辑,根据此处理逻辑对介入的控制数据进行处理,便充分降低了数据并发的风险,提升数据并发的整体处理效率,缩短处理时长,加快处理效率。
Description
技术领域
本发明涉及人工智能技术领域,具体为一种人工智能模型控制系统。
背景技术
人工智能,英文缩写为AI;它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是新一轮科技革命和产业变革的重要驱动力量。
专利公开号为CN116502671A的申请公开了一种人工智能模型控制系统与控制方法,所述系统包括区块链网络、用户系统及人工知能模型,区块链网络设有存储模块,人工智能模型与区块链网络连接,用户系统调用人工智能模型,区块链网络的存储模块预先设置一智能合约模块,智能合约模块包括与预设业务对应的指令控制准则,以对人工智能模型将要执行的指令进行检验控制人工智能模型的行为,当用户系统调用人工智能模型时,人工智能模型先调取智能合约模块;在人工智能模型使用过程中,智能合约模块对人工智能模型所执行的指令进行检验,如人工智能模型将要执行的指令符合预设的指令控制准则,则允许人工智能模型执行此指令,否则不允许人工智能模型执行此指令。
人工智能模型在进行控制过程中,需确定控制进程,对所采集的数据进行逻辑处理,确认处理指令,随后再进行控制执行,但原始的控制系统并未对所采集的数据进行逻辑处理,从而选定一组最佳的转换逻辑,通过所选定的转换逻辑,确定处理指令,以此充分缩减转换时长,加快数据分析处理的整体进程。
发明内容
针对现有技术的不足,本发明提供了一种人工智能模型控制系统,解决了原始的控制系统并未对所采集的数据进行逻辑处理导致处理进程较为缓慢的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种人工智能模型控制系统,包括:
逻辑数据获取端,对人工智能模型内部的处理逻辑数据进行获取,随后将所获取的若干个处理逻辑数据传输至数据分析排序端内;
数据分析排序端,对所获取的若干个处理逻辑数据进行分析比对,按照处理逻辑数据的转换效率,生成处理逻辑排序序列,具体方式为:
从若干个处理逻辑数据内,选取容量参数最小的一组处理逻辑数据,将其标定为初序列数据;
随后,根据所标定的初序列数据,从剩余的处理逻辑数据内,确认不同处理逻辑数据与初序列数据所产生的重复度参数CHi,从若干个重复度参数CHi内,选定最大值,将其作为此初序列数据的次序列数据;
随后,再以次序列数据为后续处理逻辑数据的初序列数据,重复上述操作,确定重复度参数CHi,随后选定最大值,确认此阶段初序列数据的次序列数据;
对若干个处理逻辑数据进行一一处理,将处理后的序列数据进行一一排序,生成处理逻辑排序序列;
控制数据获取端,对此智能模型的待控制数据进行获取,并对所获取的待控制数据进行属性确认,随后确认此待控制数据的数据分类,并将不同分类的待控制数据传输至不同终端内,其中数据分类包括内部解析数据以及外部控制数据,具体方式为:
确认待控制数据,锁定待控制数据内部的可识别指令数据,随后确定可识别质量数据位于待控制数据的占比值,若占比值≥90%,则将此待控制数据分类为内部解析数据,并直接将此待控制数据传输至数据处理端内进行分析;
若占比值<90%,则直接将此待控制数据传输至控制终端内;
数据处理端,对待控制数据进行接收,随后根据此人工智能模型的处理逻辑排序序列,对待控制数据进行处理,并将处理指令传输至控制终端内,具体方式为:
对待控制数据内部的数据需求逻辑进行确认,随后,按照所确定的处理逻辑排序序列,对数据需求逻辑进行排列,根据排列结果,将待控制数据分类为若干个微处理数据,其中若干个微处理数据的内部需求逻辑序列与处理逻辑排序序列前后排序相同,分类之前,均对每个微处理数据进行处理标记;
按照内部需求逻辑序列,依次对不同的微处理数据进行处理,生成处理结果,随后再按照处理标记,将若干个处理结果进行整合,生成处理指令并传输至控制终端内;
数据并发处理端,对外部介入的控制数据进行确定,再确认此人工智能模型的工作状态,随后,根据对模型工作状态的具体分析结果,锁定具体处理逻辑,随后根据此处理逻辑,对外部介入的控制数据进行处理,具体处理方式为:
确定此人工智能模型的工作状态是否为工作状态,若为工作状态,执行后续操作,若为休息状态,则直接对外部介入的控制数据进行处理;
限定三组监测周期T,其中T为预设值,在一组监测周期T内,关闭此模型的工作进程,对所介入的控制数据进行处理,确定最大的处理效率参数,并将其标定为CL1,在第二组监测周期T内,将此模型的工作进程与所介入的控制数据进行同时进行,确认第二组最大的处理效率参数CL2,在第三组监测周期T内,执行此模型的原始工作进程,所介入的控制数据随后处理,确认第三组最大的处理效率参数CL3;
从三组处理效率参数内,选定最大值,并确定其处理逻辑,若最大值为CL3,则分析CL3是否满足:CL3≥2CL1,若满足,则直接确定第三组监测周期T的处理逻辑,若不满足,则直接从CL1与CL2中确定最大值,再选定对应的处理逻辑;
将所确定的处理逻辑传输至数据处理端内,数据处理端根据此处理逻辑对处理进程进行处理即可。
有益效果
本发明提供了一种人工智能模型控制系统。与现有技术相比具备以下有益效果:
本发明通过按照原先所确定的处理逻辑序列,再确定本待控制数据的内部需求逻辑序列,再对内部需求逻辑序列进行调整,调整后再处理,相比于原先的处理效率,其速度更快,时间更短,以此提升此智能模型的整体控制速率,使控制端能快速反应,无需进行来回计算,从而导致反应时间过长,提升此智能模型的整体处理效果;
针对于外部介入的控制数据,需确定处理逻辑,并不是控制数据介入后,便需要进行处理,在处理时,需充分考虑此模型是否因数据并发而处于负载状态,从而影响整个数据处理进程,故,需要将不同控制数据与此模型的原始处理进程进行详细结合分析,确定最佳的处理效率,随后,锁定处理逻辑,根据此处理逻辑对介入的控制数据进行处理,便充分降低了数据并发的风险,提升数据并发的整体处理效率,缩短处理时长,加快处理效率。
附图说明
图1为本发明原理框架示意图。
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。
实施例一
请参阅图1,本申请提供了一种人工智能模型控制系统,包括逻辑数据获取端、数据分析排序端、控制数据获取端、数据处理端、数据并发处理端以及控制终端;
其中逻辑数据获取端与数据分析排序端输入节点电性连接,其中数据分析排序端与数据处理端输入节点电性连接,其中控制数据获取端与数据处理端输入节点电性连接,其中数据处理端与数据并发处理端之间双向连接,所述数据处理端与控制终端输入节点电性连接;
所述逻辑数据获取端,对人工智能模型内部的处理逻辑数据进行获取,随后将所获取的若干个处理逻辑数据传输至数据分析排序端内,其中,处理逻辑数据为预设数据,均由操作人员根据经验提前拟定;
所述数据分析排序端,对所获取的若干个处理逻辑数据进行分析比对,按照处理逻辑数据的转换效率,生成处理逻辑排序序列,其中,进行处理的具体方式为:
从若干个处理逻辑数据内,选取容量参数最小的一组处理逻辑数据,将其标定为初序列数据;
随后,根据所标定的初序列数据,从剩余的处理逻辑数据内,确认不同处理逻辑数据与初序列数据所产生的重复度参数CHi,其中i代表不同的处理逻辑数据,从若干个重复度参数CHi内,选定最大值,将其作为此初序列数据的次序列数据;
随后,再以次序列数据为后续处理逻辑数据的初序列数据,重复上述操作,确定重复度参数CHi,随后选定最大值,确认此阶段初序列数据的次序列数据;
对若干个处理逻辑数据进行一一处理,将处理后的序列数据进行一一排序,生成处理逻辑排序序列;
具体的,因每个智能模型内,根据不同的场景以及不同的工作环境,内部均设置有若干个不同的逻辑处理数据,其中,每个不同的逻辑处理数据均有相似度,为了便于后续在数据处理过程中,此智能模型的转换效率更快,便将相似度较高的数据进行排序,随后,排序序列确定后,在进行数据控制并处理时,并能使智能模型在进行处理过程中,缩短逻辑转换周期,提升不同控制数据的处理效率。
所述控制数据获取端,对此智能模型的待控制数据进行获取,并对所获取的待控制数据进行属性确认,随后确认此待控制数据的数据分类,并将不同分类的待控制数据传输至不同终端内,其中数据分类包括内部解析数据以及外部控制数据,其中,进行分类的具体方式为:
确认待控制数据,锁定待控制数据内部的可识别指令数据,随后确定可识别质量数据位于待控制数据的占比值,若占比值≥90%,则将此待控制数据分类为内部解析数据,并直接将此待控制数据传输至数据处理端内进行分析;
若占比值<90%,则直接将此待控制数据传输至控制终端内。
具体的,若所获取的待控制数据为正常的控制数据,则直接通过控制终端进行控制即可,无需执行其他具体操作,也不需要耗费此人工智能模型的算力,直接进行控制即可,便可提升此人工智能模型的控制处理效率,缩短处理时间。
所述数据处理端,对待控制数据进行接收,随后根据此人工智能模型的处理逻辑排序序列,对待控制数据进行处理,并将处理指令传输至控制终端内,其中,进行处理的具体方式为:
对待控制数据内部的数据需求逻辑进行确认,随后,按照所确定的处理逻辑排序序列,对数据需求逻辑进行排列,根据排列结果,将待控制数据分类为若干个微处理数据,其中若干个微处理数据的内部需求逻辑序列与处理逻辑排序序列前后排序相同,分类之前,均对每个微处理数据进行处理标记;
按照内部需求逻辑序列,依次对不同的微处理数据进行处理,生成处理结果,随后再按照处理标记,将若干个处理结果进行整合,生成处理指令并传输至控制终端内。
具体的,此种处理方式,便是加快待控制数据的处理效率,缩短处理时间,按照原先所确定的处理逻辑序列,再确定本待控制数据的内部需求逻辑序列,再对内部需求逻辑序列进行调整,调整后再处理,相比于原先的处理效率,其速度更快,时间更短,以此提升此智能模型的整体控制速率,使控制端能快速反应,无需进行来回计算,从而导致反应时间过长,提升此智能模型的整体处理效果。
实施例二
本实施例在具体实施过程中,相比于实施例一,其具体区别在于:
人工智能模型在进行被控制或者处于计算过程中,外部的其他控制数据介入,会造成此人工智能模型存在数据并发问题,从而影响此人工智能模型的处理效率,造成处理时长过长;
其中数据并发处理端,对外部介入的控制数据进行确定,再确认此人工智能模型的工作状态,随后,根据对模型工作状态的具体分析结果,锁定具体处理逻辑,随后根据此处理逻辑,对外部介入的控制数据进行处理,其中,锁定具体处理逻辑的具体处理方式为:
确定此人工智能模型的工作状态是否为工作状态,若为工作状态,执行后续操作,若为休息状态,则直接对外部介入的控制数据进行处理;
限定三组监测周期T,其中T为预设值,其具体取值由操作人员根据经验拟定,在一组监测周期T内,关闭此模型的工作进程,对所介入的控制数据进行处理,确定最大的处理效率参数,并将其标定为CL1,在第二组监测周期T内,将此模型的工作进程与所介入的控制数据进行同时进行,确认第二组最大的处理效率参数CL2,在第三组监测周期T内,执行此模型的原始工作进程,所介入的控制数据随后处理,确认第三组最大的处理效率参数CL3;
从三组处理效率参数内,选定最大值,并确定其处理逻辑,若最大值为CL3,则分析CL3是否满足:CL3≥2CL1,若满足,则直接确定第三组监测周期T的处理逻辑,若不满足,则直接从CL1与CL2中确定最大值,再选定对应的处理逻辑;
将所确定的处理逻辑传输至数据处理端内,数据处理端根据此处理逻辑对处理进程进行处理即可。
具体的,针对于外部介入的控制数据,需确定处理逻辑,并不是控制数据介入后,便需要进行处理,在处理时,需充分考虑此模型是否因数据并发而处于负载状态,从而影响整个数据处理进程,故,需要将不同控制数据与此模型的原始处理进程进行详细结合分析,确定最佳的处理效率,随后,锁定处理逻辑,根据此处理逻辑对介入的控制数据进行处理,便充分降低了数据并发的风险,提升数据并发的整体处理效率,缩短处理时长,加快处理效率。
实施例三
本实施例在具体实施过程中,包含上述两组实施例的全部实施过程。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (4)
1.一种人工智能模型控制系统,其特征在于,包括:
逻辑数据获取端,对人工智能模型内部的处理逻辑数据进行获取,随后将所获取的若干个处理逻辑数据传输至数据分析排序端内;
数据分析排序端,对所获取的若干个处理逻辑数据进行分析比对,按照处理逻辑数据的转换效率,生成处理逻辑排序序列,具体方式为:
从若干个处理逻辑数据内,选取容量参数最小的一组处理逻辑数据,将其标定为初序列数据;
随后,根据所标定的初序列数据,从剩余的处理逻辑数据内,确认不同处理逻辑数据与初序列数据所产生的重复度参数CHi,从若干个重复度参数CHi内,选定最大值,将其作为此初序列数据的次序列数据;
随后,再以次序列数据为后续处理逻辑数据的初序列数据,重复上述操作,确定重复度参数CHi,随后选定最大值,确认此阶段初序列数据的次序列数据;
对若干个处理逻辑数据进行一一处理,将处理后的序列数据进行一一排序,生成处理逻辑排序序列;
控制数据获取端,对此智能模型的待控制数据进行获取,并对所获取的待控制数据进行属性确认,随后确认此待控制数据的数据分类,并将不同分类的待控制数据传输至不同终端内,其中数据分类包括内部解析数据以及外部控制数据;
数据处理端,对待控制数据进行接收,随后根据此人工智能模型的处理逻辑排序序列,对待控制数据进行处理,并将处理指令传输至控制终端内;
数据并发处理端,对外部介入的控制数据进行确定,再确认此人工智能模型的工作状态,随后,根据对模型工作状态的具体分析结果,锁定具体处理逻辑,随后根据此处理逻辑,对外部介入的控制数据进行处理。
2.根据权利要求1所述的一种人工智能模型控制系统,其特征在于,所述控制数据获取端,进行分类的具体方式为:
确认待控制数据,锁定待控制数据内部的可识别指令数据,随后确定可识别指令数据位于待控制数据的占比值,若占比值≥90%,则将此待控制数据分类为内部解析数据,并直接将此待控制数据传输至数据处理端内进行分析;
若占比值<90%,则直接将此待控制数据传输至控制终端内。
3.根据权利要求1所述的一种人工智能模型控制系统,其特征在于,所述数据处理端,进行处理的具体方式为:
对待控制数据内部的数据需求逻辑进行确认,随后,按照所确定的处理逻辑排序序列,对数据需求逻辑进行排列,根据排列结果,将待控制数据分类为若干个微处理数据,其中若干个微处理数据的内部需求逻辑序列与处理逻辑排序序列前后排序相同,分类之前,均对每个微处理数据进行处理标记;
按照内部需求逻辑序列,依次对不同的微处理数据进行处理,生成处理结果,随后再按照处理标记,将若干个处理结果进行整合,生成处理指令并传输至控制终端内。
4.根据权利要求1所述的一种人工智能模型控制系统,其特征在于,所述数据并发处理端,锁定具体处理逻辑的具体处理方式为:
确定此人工智能模型的工作状态是否为工作状态,若为工作状态,执行后续操作,若为休息状态,则直接对外部介入的控制数据进行处理;
限定三组监测周期T,其中T为预设值,在一组监测周期T内,关闭此模型的工作进程,对所介入的控制数据进行处理,确定最大的处理效率参数,并将其标定为CL1,在第二组监测周期T内,将此模型的工作进程与所介入的控制数据进行同时进行,确认第二组最大的处理效率参数CL2,在第三组监测周期T内,执行此模型的原始工作进程,所介入的控制数据随后处理,确认第三组最大的处理效率参数CL3;
从三组处理效率参数内,选定最大值,并确定其处理逻辑,若最大值为CL3,则分析CL3是否满足:CL3≥2CL1,若满足,则直接确定第三组监测周期T的处理逻辑,若不满足,则直接从CL1与CL2中确定最大值,再选定对应的处理逻辑;
将所确定的处理逻辑传输至数据处理端内,数据处理端根据此处理逻辑对处理进程进行处理即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288358.4A CN117312388B (zh) | 2023-10-08 | 2023-10-08 | 一种人工智能模型控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288358.4A CN117312388B (zh) | 2023-10-08 | 2023-10-08 | 一种人工智能模型控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117312388A CN117312388A (zh) | 2023-12-29 |
CN117312388B true CN117312388B (zh) | 2024-03-19 |
Family
ID=89242189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311288358.4A Active CN117312388B (zh) | 2023-10-08 | 2023-10-08 | 一种人工智能模型控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117312388B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017208054A (ja) * | 2016-05-18 | 2017-11-24 | 洋彰 宮崎 | 概念を組合せて情報および手順を検索し自律的に問題を処理する人工知能装置 |
KR101929955B1 (ko) * | 2018-08-28 | 2018-12-17 | 포항공과대학교 산학협력단 | 인공지능 기반 역공학을 이용한 공장 자동화 시스템의 분석 방법 |
CN109656721A (zh) * | 2018-12-28 | 2019-04-19 | 上海新储集成电路有限公司 | 一种高效的智能系统 |
CN109874338A (zh) * | 2016-09-13 | 2019-06-11 | 首要金属科技德国有限责任公司 | 在原材料工业的设备情况下使用综合人工智能 |
CN110119420A (zh) * | 2018-02-03 | 2019-08-13 | 快板智能株式会社 | 数据编配平台管理 |
CN111352965A (zh) * | 2020-02-18 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 序列挖掘模型的训练方法、序列数据的处理方法及设备 |
CN113608751A (zh) * | 2021-08-04 | 2021-11-05 | 北京百度网讯科技有限公司 | 推理服务平台的运行方法、装置、设备及存储介质 |
WO2022160707A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京来也网络科技有限公司 | 结合rpa和ai的人机互动方法、装置、存储介质及电子设备 |
KR102453096B1 (ko) * | 2022-06-24 | 2022-10-11 | 유에프엠시스템즈 주식회사 | 스마트 횡단보도 신호 제어시스템 |
CN115202636A (zh) * | 2022-06-30 | 2022-10-18 | 广东美的智能科技有限公司 | 可编程逻辑控制器的编程系统 |
KR20220161753A (ko) * | 2021-05-31 | 2022-12-07 | 김종문 | 조립가공 제조산업의 스마트 공장용 데이터 수집 및 제어 장치 |
CN115935379A (zh) * | 2021-08-26 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 业务处理方法、装置、设备及计算机可读存储介质 |
WO2023056943A1 (zh) * | 2021-10-09 | 2023-04-13 | 天翼物联科技有限公司 | 基于物联网规则引擎的终端控制方法、装置、设备及介质 |
WO2023105392A1 (ko) * | 2021-12-07 | 2023-06-15 | 사빅 에스케이 넥슬렌 컴퍼니 피티이 엘티디 | 공정제어를 위한 인공지능 모델의 생성방법, 인공지능 모델 기반 공정제어 시스템 및 이를 포함하는 반응기 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021536055A (ja) * | 2018-08-23 | 2021-12-23 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 人工知能計算装置、制御方法および制御装置、エンジニアステーションおよび産業オートメーションシステム |
US20220342377A1 (en) * | 2019-10-14 | 2022-10-27 | Siemens Aktiengesellschaft | Artificial intelligence (ai) companions for function blocks in a programmable logic controller (plc) program for integrating ai in automation |
US11442936B2 (en) * | 2020-03-10 | 2022-09-13 | At&T Intellectual Property I, L.P. | Automatic control loop searching |
CN114489963A (zh) * | 2020-11-12 | 2022-05-13 | 华为云计算技术有限公司 | 人工智能应用任务的管理方法、系统、设备及存储介质 |
US20210382754A1 (en) * | 2021-06-12 | 2021-12-09 | Intel Corporation | Serverless computing architecture for artificial intelligence workloads on edge for dynamic reconfiguration of workloads and enhanced resource utilization |
US20230113187A1 (en) * | 2021-09-24 | 2023-04-13 | Alteryx, Inc. | Analytics workflow integrated with logic control |
-
2023
- 2023-10-08 CN CN202311288358.4A patent/CN117312388B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017208054A (ja) * | 2016-05-18 | 2017-11-24 | 洋彰 宮崎 | 概念を組合せて情報および手順を検索し自律的に問題を処理する人工知能装置 |
CN109874338A (zh) * | 2016-09-13 | 2019-06-11 | 首要金属科技德国有限责任公司 | 在原材料工业的设备情况下使用综合人工智能 |
CN110119420A (zh) * | 2018-02-03 | 2019-08-13 | 快板智能株式会社 | 数据编配平台管理 |
KR101929955B1 (ko) * | 2018-08-28 | 2018-12-17 | 포항공과대학교 산학협력단 | 인공지능 기반 역공학을 이용한 공장 자동화 시스템의 분석 방법 |
CN109656721A (zh) * | 2018-12-28 | 2019-04-19 | 上海新储集成电路有限公司 | 一种高效的智能系统 |
CN111352965A (zh) * | 2020-02-18 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 序列挖掘模型的训练方法、序列数据的处理方法及设备 |
WO2022160707A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京来也网络科技有限公司 | 结合rpa和ai的人机互动方法、装置、存储介质及电子设备 |
KR20220161753A (ko) * | 2021-05-31 | 2022-12-07 | 김종문 | 조립가공 제조산업의 스마트 공장용 데이터 수집 및 제어 장치 |
CN113608751A (zh) * | 2021-08-04 | 2021-11-05 | 北京百度网讯科技有限公司 | 推理服务平台的运行方法、装置、设备及存储介质 |
CN115935379A (zh) * | 2021-08-26 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 业务处理方法、装置、设备及计算机可读存储介质 |
WO2023056943A1 (zh) * | 2021-10-09 | 2023-04-13 | 天翼物联科技有限公司 | 基于物联网规则引擎的终端控制方法、装置、设备及介质 |
WO2023105392A1 (ko) * | 2021-12-07 | 2023-06-15 | 사빅 에스케이 넥슬렌 컴퍼니 피티이 엘티디 | 공정제어를 위한 인공지능 모델의 생성방법, 인공지능 모델 기반 공정제어 시스템 및 이를 포함하는 반응기 |
KR102453096B1 (ko) * | 2022-06-24 | 2022-10-11 | 유에프엠시스템즈 주식회사 | 스마트 횡단보도 신호 제어시스템 |
CN115202636A (zh) * | 2022-06-30 | 2022-10-18 | 广东美的智能科技有限公司 | 可编程逻辑控制器的编程系统 |
Non-Patent Citations (2)
Title |
---|
"基于指令域数据分析的机床智能化关键技术研究";许光达;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20190515(第05期);B022-55 * |
"计及新能源接入的地区电网人工智能无功优化";王浩哲 等;《电网与清洁能源》;20230125;第39卷(第01期);133-142 * |
Also Published As
Publication number | Publication date |
---|---|
CN117312388A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993299A (zh) | 数据训练方法及装置、存储介质、电子装置 | |
CN111831355B (zh) | 权重精度配置方法、装置、设备及存储介质 | |
CN111831359B (zh) | 权重精度配置方法、装置、设备及存储介质 | |
CN117312388B (zh) | 一种人工智能模型控制系统 | |
CN114757286A (zh) | 一种基于条件对抗生成网络的多类别故障数据生成方法 | |
CN112052156A (zh) | 一种模糊测试方法、装置和系统 | |
CN114817177A (zh) | 工业互联网数据存储方法、系统、存储介质及电子设备 | |
CN111831356B (zh) | 权重精度配置方法、装置、设备及存储介质 | |
CN114092313A (zh) | 一种基于gpu设备的模型推理加速方法及系统 | |
CN114611485A (zh) | 结合文本分析和机器学习方法的智能车辆故障诊断方法 | |
CN115826506B (zh) | 水处理控制系统及控制装置 | |
Ahluwalia et al. | Co-evolving functions in genetic programming: Dynamic ADF creation using GLiB | |
CN116208297B (zh) | 一种数控机床传输数据自适应编码方法、装置及相关设备 | |
CN117010459B (zh) | 基于模块化和序列化自动生成神经网络的方法 | |
CN111427318B (zh) | 分散处理单元超实时计算方法 | |
CN117826618B (zh) | 基于冷轧机控制系统的自适应性控制方法及系统 | |
Wang et al. | Exploring quantization in few-shot learning | |
CN113761788B (zh) | 基于深度学习的scopf快速计算方法及装置 | |
CN112990744B (zh) | 一种面向海量百万级云化设备的自动化运维方法及装置 | |
CN116909177B (zh) | 扫频参数控制系统、方法及电子设备 | |
US20220374740A1 (en) | Artificial intelligence inference apparatus and method | |
Adebiyi et al. | Tuning of PID Controller Using Cultural Artificial Bee Colony Algorithm | |
CN115659946A (zh) | 一种数据处理方法及数据处理系统 | |
CN116153545A (zh) | 一种基于深度强化学习的反应堆自动启堆方法 | |
CN117709248A (zh) | 一种基于生成式ai的集成电路自动测试方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |