恭喜北京科蓝达科技有限公司张亚东获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网恭喜北京科蓝达科技有限公司申请的专利基于大数据分析促进产才融合和科研成果转化方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118863593B 。
龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411149213.0,技术领域涉及:G06Q10/0637;该发明授权基于大数据分析促进产才融合和科研成果转化方法及系统是由张亚东;任智军;何海燕;安稳;刘鑫;孔令冬;孙磊华;肖沙;孙琳琳;孙亚楠设计研发完成,并于2024-08-21向国家知识产权局提交的专利申请。
本基于大数据分析促进产才融合和科研成果转化方法及系统在说明书摘要公布了:本发明提供基于大数据分析促进产才融合和科研成果转化方法及系统,通过收集与科研项目相关的多源异构数据,包括人才技能档案、科研成果记录、行业需求报告和新兴技术趋势;使用预训练的深度学习模型对收集的数据进行预处理,提取关键特征并进行数据清洗,其中所述预训练的深度学习模型是通过历史数据进行训练,以识别潜在的人才流动模式和科研成果转化的非线性关系;将清洗后的关键特征集成到学习框架中,输出人才匹配建议和科研成果转化可能性评估,以辅助成果转化决策,通过识别人才技能与科研项目需求之间的精确匹配,企业可以更有效地招募合适的人才,同时科研人员能够找到最适合他们专长的项目,从而提高工作效率和科研成果的质量。
本发明授权基于大数据分析促进产才融合和科研成果转化方法及系统在权利要求书中公布了:1.一种基于大数据分析促进产才融合和科研成果转化方法,其特征在于,包括:收集与科研项目相关的多源异构数据,包括人才技能档案、科研成果记录、行业需求报告和新兴技术趋势;使用预训练的深度学习模型对收集的数据进行预处理,提取关键特征并进行数据清洗,其中所述预训练的深度学习模型是通过历史数据进行训练,以识别潜在的人才流动模式和科研成果转化的非线性关系;将清洗后的关键特征集成到学习框架中,输出人才匹配建议和科研成果转化可能性评估,以辅助成果转化决策;所述使用预训练的深度学习模型对收集的数据进行预处理,提取关键特征并进行数据清洗,其中所述预训练的深度学习模型是通过历史数据进行训练,以识别潜在的人才流动模式和科研成果转化的非线性关系包括:应用自编码器或变分自编码器对人才技能档案和科研成果记录进行降维,以捕捉潜在的非线性特征;使用图神经网络GNN分析人才和科研成果之间的连接,构建人才-项目网络图,识别复杂的网络结构特征;通过强化学习策略,模拟不同条件下的人才决策路径和科研成果扩散过程,生成模拟数据以增强模型的训练;其中,通过强化学习策略,模拟不同条件下的人才决策路径和科研成果扩散过程,生成模拟数据以增强模型的训练的步骤,包括:设计状态空间和动作空间,定义人才在不同项目之间转移的状态,以及科研成果在不同阶段转化的动作;采用Q-learning或DeepQ-NetworksDQN算法,通过奖励机制学习最优的人才决策路径和科研成果转化策略;实施环境仿真,模拟市场动态和政策变化,以测试和优化策略的鲁棒性和适应性,增强模型对现实世界复杂性的应对能力;其中,采用Q-learning或DeepQ-NetworksDQN算法,通过奖励机制学习最优的人才决策路径和科研成果转化策略的步骤,包括:初始化Q-table或Q-network,设定初始Q值或权重,构建算法的基础框架;执行探索与利用策略,如ε-greedy平衡算法对未知状态的探索和已知最佳动作的利用;更新Q-table或Q-network参数,通过Bellman方程或反向传播算法,基于观察到的即时奖励和未来预期奖励,不断优化决策策略;其中,更新Q-table或Q-network参数,通过Bellman方程或反向传播算法,基于观察到的即时奖励和未来预期奖励,不断优化决策策略的步骤,包括:在联邦学习框架下,设计一个全局策略网络πθ和价值网络Vφ,以及多个本地策略和价值网络,这些网络分布在不同的数据持有方,以保护数据隐私和减少数据传输成本;采用元学习技术,预先训练一个初始化良好的“元策略”和“元价值”网络,该网络能够在少量样本数据上快速适应新的科研成果转化场景和人才流动模式,加速学习过程;在每个训练周期中,各个数据持有方使用其本地数据集独立训练本地策略和价值网络,然后通过联邦平均FederatedAveraging或其他联邦学习算法聚合更新,以同步全局网络参数;引入Actor-Critic架构,其中Actor网络负责基于当前状态s选择动作a,Critic网络评估该动作的价值,两者相互迭代优化,Actor网络通过Critic网络的反馈进行策略调整;在Actor-Critic架构中,使用近端策略优化PPO或信任区域策略优化TRPO算法更新策略参数θ,同时采用深度确定性策略梯度DDPG或软Actor-CriticSAC算法更新价值参数φ,以处理连续动作空间和非平稳环境;采用经验回放缓冲区,存储经验轨迹τ,结合优先级经验回放和多步学习技术,提高数据利用率和学习效率;实现多智能体协同学习,每个智能体代表不同的利益相关者,它们在虚拟环境中通过Actor-Critic架构交互,学习协同策略,以优化人才配置和科研成果的转化效率。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京科蓝达科技有限公司,其通讯地址为:100081 北京市海淀区中关村南大街5号二区683号楼3层30114;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。