本技术公开了一种基于异质用能特性分析的制造企业集群用能态势预测方法，包括:采集制造企业的用电量数据，并构建制造企业的用电量数据集Ei和制造企业集群整体用电量数据集E；构建制造企业集群用能态势预测网络F，并利用Ei进行训练，保存模型拟合时的最终参数θ'，实现对于制造企业集群内部不同制造企业异质用能特性的分析；利用E对F进行训练，迁移最终参数θ'作为训练的初始参数，保存模型拟合时的最终参数θ；将实时采集的制造企业集群整体用电量数据输入训练完成的F，实现基于异质用能特性分析的制造企业集群整体用能态势预测。本发明基于制造企业集群的历史用能数据，分析制造企业集群异质用能特性，实现制造企业集群整体用能态势预测。

 本技术公开了基于历史数据城镇空间扩展模拟测试分析方法，包括:获取历史城镇空间扩展数据，获取城镇空间扩展转化规则；利用元胞自动机根据城市扩展转化规则获取元胞转换规则，构建元胞自动机模型，经过搜集获取多个主体政策，利用多智能体系统构建多智能体模型；将元胞自动机模型和多智能体模型进行融合，获取CA－MAS组合模型，建立城镇空间扩展模拟模型；将城镇空间扩展模拟结果与城镇空间扩展实际情况进行叠加测试，不断优化城镇空间扩展模拟模型；利用情景分析获取城镇发展最佳情景与最佳策略，通过将元胞自动机模型和多智能体模型进行融合，同时考虑城镇自然扩展和人为政策对城镇扩展的影响，提高了城镇动态扩展模拟模型的精准性。

 本技术提供了一种面向异质复杂数据集的多尺度时间熵评估方法，属于时间序列分析技术领域，包括以下步骤:步骤S1、对初始时间序列进行下采样，在不同时间尺度上将其分割为子序列，然后应用时间窗口方法对子序列进行处理，得到多个聚类窗口；步骤S2、在每个聚类窗口内计算熵值，并对所有聚类窗口的熵值进行平均，得到多尺度时间熵；步骤S3、根据得到的多尺度时间熵，对初始时间序列进行综合评估。本发明采用上述的一种面向异质复杂数据集的多尺度时间熵评估方法，该方法具有极高的泛化能力，使得模型性能的评估更加精准可靠，适用于广泛的实际应用场景。

 本技术提供基于区块链和联邦学习的数据安全流转与更新方法，包括:模型发布者发布训练的模型参数到区块链中；各终端用户从区块链中获取对应的初始模型参数，通过本地机器学习训练出新的参数；将各自本地训练的参数通过网络安全高效地上传至区块链上；区块链把每次训练的模型参数视作一笔交易，当模型收敛时将交易打包为一个区块；不断重复训练，直至模型达到收敛状态，该发明解决联邦学习过程中由于中心化架构带来的数据安全隐患、单点故障问题以及数据流转不透明的问题，构建了一种去中心化、透明且高效的模型参数流转机制，确保联邦学习的参与者可以安全地共享和更新模型参数，提升了整体系统的安全性、隐私保护。

 本文涉及一种光子神经网络装置、光子神经网络的训练方法及芯片。所述方法包括:输入层，包括至少一个输入单元，用于接收多路输入电信号，对多路所述输入电信号进行光偏振编码输出对应的光信号；隐含层，与输入层连接，包括多个依次连接的隐含模块，所述隐含模块包括至少一个隐含单元，与对应的输入单元连接，用于获取各光信号的不同偏振状态，对每一路的光信号进行偏振调节输出对应的光偏振调节信号；输出层，包括至少一路输出单元，与对应的隐含单元连接，用于对各光偏振调节信号进行偏振方向上的光强分离，得到多路输出电信。采用本装置实现了神经网络低功耗高并行性的高速计算和信号处理，显著提高神经网络的计算速度，节约计算资源和能源。

 本技术提供一种航空发动机大范围部件性能自适应修正方法及装置，所述方法包括:根据航空发动机的部件气动热力特性，建立航空发动机部件级非线性模型；引入部件特性自适应修正因子来调整模型性能，以模型仿真结果与目标测量参数匹配为优化目标，将部件性能匹配转化为自适应优化问题；建立曲面拟合数据库，通过移动最小二乘法构建自适应修正因子曲面拟合模型；通过自适应修正因子曲面调整模型部件特性，让航空发动机部件级仿真模型输出结果在大范围工况条件下与测量参数保持一致，实现部件特性图大范围修正。本发明不仅能使修正后的模型仿真输出在较大的工况范围内与目标发动机保持一致，还能通过自适应修正结果准确表征实际特性的偏差程度。

 本技术公开了一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法，旨在解决现有操纵稳定性试验项目识别方法因无法量化特征物理量与试验项目相关性导致的科学性和严谨性不足的问题。首先初选试验特征物理量，并引入最大信息系数算法，对试验采集的全部特征物理量进行筛选，获得满足相关性阈值要求的特征物理量子集合，然后采用随机森林算法建立试验项目识别模型，对试验项目模型进行训练，实现对试验项目的自动识别。本发明使用最大信息系数算法量化了特征物理量与试验项目的相关性，其次将相关性高的特征物理量作为随机森林模型的输入进行试验项目识别，保证了识别的准确性，使得识别过程更具科学性与严谨性。

 本技术提供了一种区域管控的定制公交路线设计方法，涉及交通技术领域，包括以下步骤:S1：计算所有相关线路是否会违反区域管控政策，并建立改进A*算法对违规线路进行修正；S2：基于修正后的线路建立定制公交路径优化模型，计算定制公交行驶路线网；本发明研究区域管控政策对定制公交路线设计和乘车选址站点上下车的影响，构建区域管制的定制公交路径优化模型和乘客站点选址模型，利用区域管制的定制公交路径优化模型计算合理的定制公交路线，并通过乘客站点选址模型计算出乘客选址各站点上下车的概率，为应急事件下受到区域管控政策影响的定制公交运营商制定更精确的计算模型，提高定制公交运营商的利益和保护乘客与司机的安全。

 本技术公开了一种城镇开发边界优化方法，涉及城镇规划领域，包括采集城镇信息，根据城镇信息构建水平衡反馈子系统、土平衡反馈子系统、人力平衡反馈子系统、生态平衡反馈子系统和资源产业平衡反馈子系统，组合为城镇开发发展子系统，对城镇进行开发发展方向预测，对边界进行细致规划处理，对当前城镇和预测城镇开发发展方向后的城镇进行适应性评价和风险识别，对城镇边界进行调整；概括总结城镇分别与水环境系统、土地环境系统、人力系统、生态系统和不同资源产业之间的复杂作用关系，预测城镇在未来不同时间年份在不同条件下的开发发展方向及程度，对城镇每个开发发展的预测都有统一的风险评估，并提出优化策略调整边界。

 本技术实施例提供一种模型压缩方法以及相关装置，属于人工智能技术领域。该方法包括:利用训练数据进行模型训练获得第一深度学习模型，并获得第一深度学习模型的自注意力层对应的第一重要性评分；根据第一重要性评分对第一深度学习模型的自注意力层进行剪枝，获得第二深度学习模型；利用训练数据对第二深度学习模型进行重新训练，获得第三深度学习模型，并获得第三深度学习模型中的自注意力层对应的第二重要性评分；根据第二重要性评分对第三深度学习模型进行精度量化获得第四深度学习模型；利用第一深度学习模型对第四深度学习模型进行蒸馏处理，获得目标深度学习模型。通过逐层自适应量化和混合精度计算策略，提高计算效率，加速模型推理过程。