一种基于Transformer网络的高光谱波段选择方法及装置

    公开(公告)号:CN115641503A

    公开(公告)日:2023-01-24

    申请号:CN202211210073.4

    申请日:2022-09-30

    Applicant: 浙江大学

    Abstract: 本发明涉及高光谱遥感图像处理领域,公开了基于Transformer网络的高光谱波段选择方法及装置。包括:(1)计算波段位置编码;(2)构建并训练Transformer重建网络;(3)度量候选波段的代表性;(4)度量候选波段的冗余度;(5)设计兼顾波段代表性和冗余度的波段打分函数,评价候选波段;(6)逐个选择在所有未选波段中得分最高的波段,直到已选波段的数量达到预设值。本发明从高光谱图像特性出发,结合Transformer网络和卷积自编码器网络,挖掘了光谱波段之间潜在的非线性关系,充分利用了高光谱图像的空间信息,提出了兼顾波段代表性和冗余度的波段选择方法,能够有效地提升高光谱图像像素分类的效果。

    一种可微的挖掘常量规则的方法

    公开(公告)号:CN113987195A

    公开(公告)日:2022-01-28

    申请号:CN202111150589.X

    申请日:2021-09-29

    Applicant: 浙江大学

    Abstract: 本发明公开了一种可微的挖掘常量规则的方法,在根据知识图谱定义常量操作符和路径操作符的基础上,采用了融合注意力机制,利用注意力值评估规则所经过的关系,同时对每跳的尾节点聚合周围属性及对应的属性值分别计算注意力,并用属性的注意力增强规则中的关系的选择,以实现链接预测;根据生成的模型参数经过参数解析并通过统计输出高质量的符号化规则。该方法特别适合需要较高预测准确度、为预测提供解释以及需要沉淀推理规则的拥有复合推理需求的应用场景。

    一种可微的挖掘常量规则的方法

    公开(公告)号:CN113987195B

    公开(公告)日:2025-01-14

    申请号:CN202111150589.X

    申请日:2021-09-29

    Applicant: 浙江大学

    Abstract: 本发明公开了一种可微的挖掘常量规则的方法,在根据知识图谱定义常量操作符和路径操作符的基础上,采用了融合注意力机制,利用注意力值评估规则所经过的关系,同时对每跳的尾节点聚合周围属性及对应的属性值分别计算注意力,并用属性的注意力增强规则中的关系的选择,以实现链接预测;根据生成的模型参数经过参数解析并通过统计输出高质量的符号化规则。该方法特别适合需要较高预测准确度、为预测提供解释以及需要沉淀推理规则的拥有复合推理需求的应用场景。

    一种基于神经符号增强的知识库复杂查询方法

    公开(公告)号:CN115391507A

    公开(公告)日:2022-11-25

    申请号:CN202211005950.4

    申请日:2022-08-22

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于神经符号增强的知识库复杂查询方法,利用关系映射操作中符号和神经单独推理并且互相转化的方式缓解图谱不全和多不推理中级联误差的问题,然后使用符号表示的上完成逻辑计算,并且转为嵌入表示,可以采用任何已知的神经推理方法代替框架中神经推理的部分,具有较强的扩展性。同时仅仅需要链接预测任务训练知识表示模型即可完成复杂逻辑的查询。该方法对于在知识图谱中表示中复杂逻辑问句的推理和查询具有很好的实用价值。

Patent Agency Ranking