-
公开(公告)号：CN115062551A
公开(公告)日：2022-09-16
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
公开(公告)号：CN115062551B
公开(公告)日：2022-11-04
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
公开(公告)号：CN115468679A
公开(公告)日：2022-12-13
申请号：CN202211126087.8
申请日：2022-09-16
Applicant: 成都信息工程大学
IPC: G01K13/00 , G01M13/04 , G01M17/007 , G06K9/62
Abstract: 本发明涉及一种基于大数据和数字化工厂的产品检测方法，其包括：将目标机器产品的待测轴承部件划分为易测轴承区域和非易测轴承区域。通过目标机器产品在试车过程中激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速生成第一多维试车特征序列。通过待测轴承部件的目标轴承区域在试车过程中的关联温度分布数据生成第二多维试车特征序列。利用第一多维试车特征序列、第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型，然后根据所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。
-
公开(公告)号：CN113936318A
公开(公告)日：2022-01-14
申请号：CN202111218941.9
申请日：2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法，本发明方法的神经网络以VAE结构为主干网络，包括两个阶段，首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像，同时通过融合人脸轮廓，区域和关键点中间特征得到人脸生成指导信息，然后为了更好的考虑人脸结构信息，通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修，在第二生成器中间引入指导信息以实现人脸细节、结构精细化，最终生成自然和谐，结构对称的人脸图像，本发明采用全局和局部两种判别器来做监督，以保证生成更高质量的人脸图像。
-
-
-
Search Results
4
records
(took 0.024 seconds)
