-
公开(公告)号：CN117575111B
公开(公告)日：2024-04-12
申请号：CN202410061794.6
申请日：2024-01-16
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06Q50/02 , G06V10/82 , G06V20/10
Abstract: 本发明属于农业遥感图像处理技术领域，具体是一种基于迁移学习的农业遥感图像时空序列预测方法，该方法包括：从农业遥感设备收集农作物产量相关的数据作为数据集；对数据集进行清洗和预处理；利用Transformer架构的自注意力机制来处理时空数据；进行迁移学习，利用之前预训练的模型权重作为初始权重进行训练；构建一个网络输出层，用于输出预测农作物产量的相关信息；根据具体的应用需求，对预测结果进行必要的后处理。本发明结合了迁移学习和Transformer自注意力机制，特别是利用了Transformer架构在处理时空序列数据上的优势，来预测农作物的产量，具有更快地训练模型并提高预测精度的优点。
-
公开(公告)号：CN119047661B
公开(公告)日：2025-01-28
申请号：CN202411545074.3
申请日：2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域，具体是基于多尺度卷积网络及扩散系统的农业气象预测方法，包括：利用训练好的多尺度卷积网络对农业气象图像进行初步预测，得到初步预测结果；通过扩散模型对初步预测结果进行处理，对初步预测结果进行处理包括：先通过扩散模型增加噪声捕获时空特征之间的联系，以及后通过多步逆扩散过程逐步消除预测结果中噪声；对基于多尺度卷积网络和扩散模型的预测模型进行训练，得到训练好的预测模型；对于给定的农业气象图像，利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统，显著提升了时空数据对于长期预测结果性能的提高。
-
公开(公告)号：CN119047661A
公开(公告)日：2024-11-29
申请号：CN202411545074.3
申请日：2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域，具体是基于多尺度卷积网络及扩散系统的农业气象预测方法，包括：利用训练好的多尺度卷积网络对农业气象图像进行初步预测，得到初步预测结果；通过扩散模型对初步预测结果进行处理，对初步预测结果进行处理包括：先通过扩散模型增加噪声捕获时空特征之间的联系，以及后通过多步逆扩散过程逐步消除预测结果中噪声；对基于多尺度卷积网络和扩散模型的预测模型进行训练，得到训练好的预测模型；对于给定的农业气象图像，利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统，显著提升了时空数据对于长期预测结果性能的提高。
-
Patent Agency Ranking
公开(公告)号：CN117575111A
公开(公告)日：2024-02-20
申请号：CN202410061794.6
申请日：2024-01-16
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06Q50/02 , G06V10/82 , G06V20/10
Abstract: 本发明属于农业遥感图像处理技术领域，具体是一种基于迁移学习的农业遥感图像时空序列预测方法，该方法包括：从农业遥感设备收集农作物产量相关的数据作为数据集；对数据集进行清洗和预处理；利用Transformer架构的自注意力机制来处理时空数据；进行迁移学习，利用之前预训练的模型权重作为初始权重进行训练；构建一个网络输出层，用于输出预测农作物产量的相关信息；根据具体的应用需求，对预测结果进行必要的后处理。本发明结合了迁移学习和Transformer自注意力机制，特别是利用了Transformer架构在处理时空序列数据上的优势，来预测农作物的产量，具有更快地训练模型并提高预测精度的优点。
-
公开(公告)号：CN117151121B
公开(公告)日：2024-01-12
申请号：CN202311401665.9
申请日：2023-10-26
Applicant: 安徽农业大学
IPC: G06F40/35 , G06F16/35 , G06F18/22 , G06F18/2415 , G10L15/18 , G10L15/16 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 性。本发明涉及一种口语理解方法，具体是一种基于波动阈值与分割化的多意图口语理解方法，该方法包括：对于一段输入的话语将其编码为隐藏状态序列后得到预测的意图和槽值，将预测的槽值与意图转化为向量形式嵌入到模型中；利用SD计算一个范围加权矩阵与输入的意图对应相乘，划定其范围后结合注意力机制融合意图检测和槽位填充结果的重要语义信息，使用波动阈值进行输出判断。本发明可以获得每个意图的既定范围，从而起到了减少范围外标记干扰的作用；通过设置基准阈值，然后运用斯皮尔曼系数与余(56)对比文件陈婷婷;林民;李艳玲.基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别.青海师范大学学报(自然科学版).2019,(第04期),全文.Peng Yang.AISE:Attending to Intentand Slots Explicitiy for better spokenlanguage understanding.ELSEVIER.2021,全文.张启辰, 王 帅, 李静梅.一种基于窗口机制的口语理解异构图网络.软件学报.2023,全文.王永梅，胡学钢.决策树中IＤ3算法的研究.安徽大学学报（自然科学版）.2011,全文.端到端对话系统意图语义槽联合识别研究综述.计算机工程与应用.2020,全文.赵冬阳;范国华;赵印勇;陈信;王文宇;张友华.一种基于无人机遥感和卷积神经网络的梨树树龄梯度识别方法.信阳农林学院学报.2020,(第01期),全文.
-
公开(公告)号：CN119918982A
公开(公告)日：2025-05-02
申请号：CN202510420773.3
申请日：2025-04-06
Applicant: 安徽农业大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明适用于水质预测领域，具体提供了基于图卷积及时空交错注意力机制的水质预测方法，该方法中，基于时空交错注意力机制构建包含四层Transformer架构的预测模型；第一层为嵌入Embedding；第二层为位置编码模块；第三层为N个相同带有时空交错注意力机制的Transformer编码器模块，在时空交错注意力机制中，通过将图卷积融入Transformer框架，将时间注意力模块与空间注意力模块进行堆叠，构成Transformer编码器模块；第四层为输出层；对构建好的预测模型进行训练，训练好的模型用于对目标水质进行预测。本发明可同时处理数据的时间和空间维度，捕捉不同时空尺度下的依赖关系，提高模型的表达能力和预测性能。
-
公开(公告)号：CN120046510A
公开(公告)日：2025-05-27
申请号：CN202510460946.4
申请日：2025-04-14
Applicant: 安徽农业大学
IPC: G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明适用于时空数据预测领域，提供了融合动态时空剪枝与WOA算法的CNS模型土壤湿度预测方法，该方法中，基于多重卷积模块、BiLSTM模块和注意力机制模块构建初始CNS模型；将土壤时序数据作为初始CNS模型的输入，对初始CNS模型进行初步训练；采用动态时空剪枝策略对初步训练后模型的各个模块进行动态修剪；通过反向传播算法更新模型参数，得到用于土壤湿度预测的CNS模型。本发明的CNS模型融合了卷积神经网络CNN、时空图卷积网络STGCN、双向长短期记忆网络BiLSTM以及注意力机制层Attention，能够综合处理和分析来自不同数据源的多模态数据，CNS模型在土壤湿度预测任务中表现出更高的精度和鲁棒性；动态剪枝和WOA算法优化的结合，使得模型能保持稳定的预测性能。
-
公开(公告)号：CN117151121A
公开(公告)日：2023-12-01
申请号：CN202311401665.9
申请日：2023-10-26
Applicant: 安徽农业大学
IPC: G06F40/35 , G06F16/35 , G06F18/22 , G06F18/2415 , G10L15/18 , G10L15/16 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种口语理解方法，具体是一种基于波动阈值与分割化的多意图口语理解方法，该方法包括：对于一段输入的话语将其编码为隐藏状态序列后得到预测的意图和槽值，将预测的槽值与意图转化为向量形式嵌入到模型中；利用SD计算一个范围加权矩阵与输入的意图对应相乘，划定其范围后结合注意力机制融合意图检测和槽位填充结果的重要语义信息，使用波动阈值进行输出判断。本发明可以获得每个意图的既定范围，从而起到了减少范围外标记干扰的作用；通过设置基准阈值，然后运用斯皮尔曼系数与余弦相似度轮询对于每一个初预测意图和当前意图范围内的每个词进行相似度计算作为基准浮动阈值，提高了模型对意图边缘的检测的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
