公开(公告)号：CN117970427A

公开(公告)日：2024-05-03

申请号：CN202410214125.8

申请日：2024-02-27

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  张一驰 ,  张润杰

IPC: G01V1/01 ,  G06N20/00 ,  G06N7/01

Abstract: 本发明提供一种基于贝叶斯优化多机器学习算法的最大余震预测方法，根据地震学原理将地震分为不同类型进行处理，通过分析主震与余震之间的关系后建立了主震‑余震序列用于最大余震的训练和预测。针对不同地震类型，分别使用LightGBM、SVM、RF训练并使用贝叶斯优化算法结合五折交叉验证的方法寻找模型最优超参数，最终得到最大余震震级的组合预测模型。本发明在预测流程上简单，需要的参数量少，针对不同类型地震的余震均有较好的预测效果，适用性强，准确度高，与经典的Bath定律相比，约95％的结果优于Bath定律。

公开(公告)号：CN117494796A

公开(公告)日：2024-02-02

申请号：CN202311441273.5

申请日：2023-11-01

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  万泉 ,  张一驰 ,  冷志雄 ,  颜丙辰 ,  徐艳琳 ,  蒋俊

IPC: G06N3/0985 ,  G06N3/04

Abstract: 本发明公开了一种任务自适应选的元学习方法，适用于深度学习领域。本发明基于多臂赌博机构建任务选择训练器对任务进行难度判断和未来收益计算。根据难度和收益为每个任务设计更优秀的训练策略，改变多任务妥协现状，平衡任务对元学习参数的影响。通过这样做，可以快速提高元学习参数在未知任务的泛化性和收敛性。实验结果表明，该方法在训练时间复杂度不变基础上实现了模型性能提升。收敛速度更快，稳定性更高，可以与其他模型进行任意结合，表现出了强大的简单性和通用性。