-
公开(公告)号：CN117056807A
公开(公告)日：2023-11-14
申请号：CN202311027672.7
申请日：2023-08-15
Applicant: 北京大学重庆大数据研究院
IPC: G06F18/241 , G06N3/0442 , G06N3/08 , G06F18/214 , G06V10/26 , G06V10/764
Abstract: 本发明提供的一种基于语义分割网络和长短期记忆网络的集成云检测方法，包括：获取多通道卫星的历史图像数据以及根据历史图像数据得到的云检测图像，并提取历史图像数据的特征信息；构建单像素点云检测模型，所述单像素云检测模型包括三个长短期记忆网络LSTM和一个全连接层，三个长短期记忆网络LSTM的输入和输出顺次连接形成串联结构，然后串联结构中的最后一个长短期记忆网络LSTM的输出与全连接层的输入连接；将特征信息输入至单像素点云检测模型中并对单像素点云检测模型进行训练；构建DeepLabv3plus语义分割网络，将特征信息输入至DeepLabv3plus语义分割网络中并对DeepLabv3plus语义分割网络进行训练；获取多通道卫星的实时图像数据，并提取实时图像数据的特征信息；将实时图像数据的特征信息分别输入至训练完成的单像素点云检测模型和DeepLabv3plus语义分割网络中进行处理，将DeepLabv3plus语义分割网络的输出结果与单像素点云检测模型的输出结果进行加权求和得到最终的云检测结果。
-
公开(公告)号：CN114626577A
公开(公告)日：2022-06-14
申请号：CN202210158802.X
申请日：2022-02-21
Applicant: 北京大学
Abstract: 本发明公开了一种利用人工智能预报冬季降水相态的方法，包括基于降水相态变化的物理机制选择大气温度、湿度、风速和垂直速度在500‑100hpa间的16个气压层的廓线数据及地表2m气温、露点温度和地表气压以及地形信息作为预报特征变量；对0‑99类天气现象观测数据打标签，形成三类降水相态标注；利用lightGBM框架和训练数据集训练预报模型，利用验证数据集和对应的特征数据对预报模型进行检验和优化参数，得到降水相态预报模型并存为MLPT；利用MLPT算法、输入预报特征变量数据，得到站点降水相态预报。本发明通过利用当前时刻的特征变量对6小时后的降水相态进行智能预报，与数值预报模式和同类型人工智能算法的降水相态客观预报方法相比提高了预报准确率和时效。
-
公开(公告)号：CN110298211A
公开(公告)日：2019-10-01
申请号：CN201810234115.5
申请日：2018-03-21
Applicant: 北京大学
Abstract: 本发明公布了一种基于深度学习和高分辨率遥感影像的河网提取方法，包括：获取多景高分二号多光谱遥感影像，将遥感影像分为训练样本和检测样本；遥感影像预处理，后续处理只采用第4波段和第2波段的影像；选取河流样本点和非河流样本点作为训练样本点；建立深度学习模型，将训练样本输入深度学习模型进行训练，得到训练好的深度学习模型；由待提取河网区域的遥感影像通过网格分割法分割得到检测样本；通过训练好的模型进行分类识别；生成河网。本发明技术方案可使得提取的河网更加真实、准确、精细、连续，且不受山脉阴影、建筑物等因素的干扰。
-
公开(公告)号：CN119598050A
公开(公告)日：2025-03-11
申请号：CN202411674263.0
申请日：2024-11-21
Applicant: 北京大学
IPC: G06F16/958 , G06N5/04
Abstract: 本发明公开了一种基于大模型的垂直网站信息抽取方法、装置、设备和介质。根据本发明提供的技术方案，利用大语言模型，从垂直领域网站中选取的种子网页中提取目标属性对应的第一属性文本信息；从该信息对应的节点中筛选得到正确节点，并确定正确节点的XPath的绝对路径表达式；基于绝对路径表达式从DOM树中确定锚节点，并基于正确节点和锚节点的相对位置，构建XPath最终表达式；利用XPath最终表达式，从垂直领域网站中提取出目标属性对应的第二属性文本信息。通过本发明由垂直领域网站中的种子网页确定出正确节点和锚节点，并由二者相对位置得出的XPath最终表达式从网站中提取目标信息，实现了在无需模型训练的情况下，成本更低且更精确的提取目标信息。
-
公开(公告)号：CN118981648B
公开(公告)日：2025-02-07
申请号：CN202411063230.2
申请日：2024-08-05
Applicant: 北京大学
Abstract: 本发明提供了一种样本优选方法、装置、终端设备及介质，其样本优选方法包括：确定目标模型，获取训练数据；按照大语言模型针对训练数据依次进行标准化处理和向量化处理，然后基于训练数据向量信息针对训练样本进行聚类分析，并按照聚类分析结果选取类别代表，得到初始示例样本，确定初始示例样本集合；针对初始示例样本集合进行Shapley近似计算，并按照Shapley近似值进一步筛选，得到优选样本。本发明采用了Shapley近似计算进行样本优选，考量了示例之间相互作用对模型效果的潜在影响，使得优选样本能够更好的引导模型正确响应的提示，提高大语言模型性能，同时还能够减少Shapley计算，提高Shapley计算效率。
-
Patent Agency Ranking
公开(公告)号：CN117853180A
公开(公告)日：2024-04-09
申请号：CN202311841451.3
申请日：2023-12-28
Applicant: 北京大学
IPC: G06Q30/0283 , G06N3/092 , G06N3/084 , G06N5/01
Abstract: 本发明公开了一种基于强化学习的数据定价方法、装置、计算设备和存储介质。根据本发明提供的技术方案，获取多个数据提供方的原始数据生成数据集合；构建样本价值函数及特征价值函数，对其进行初始化；确定参与预测模型训练的训练数据并进行训练，得到预测器；基于验证数据计算预估值，即作为当前样本价值函数及特征价值函数的奖励值；采用梯度下降法进行迭代计算，确定当前样本价值函数和特征价值函数中的参数及对应的损失函数；根据条件输出两种价值函数中的参数并计算数据价值。通过本发明可使价值计算的复杂度不依赖于训练集的大小，十分简洁且准确；并通过梯度下降法获得两种价值函数中的参数和损失函数，最终得到更为合理的数据价值。
-
公开(公告)号：CN117111180A
公开(公告)日：2023-11-24
申请号：CN202311028024.3
申请日：2023-08-15
Applicant: 北京大学重庆大数据研究院
Abstract: 本发明提供的一种模式后气象要素发生概率预测方法，包括以下步骤：获取气象原始数据，并采用模式输出机器学习算法确定高精度预测结果；将目标区域的划分为N个格点，将高精度预测结果和原始气象采用模式残差机器学习算法确定出格点预报结果；基于格点预报结果确定每个格点的概率；以目标格点作为圆心，以不同的半径画圆将目标区域划分为3个区域，计算目标格点的权重以及计算从目标格点以外的格点随机选择的n个格点处于不同区的权重；以格点预报结果确定每个格点的概率和各个格点的权重确定目标格点的气象要素发生的概率。
-
公开(公告)号：CN117057467A
公开(公告)日：2023-11-14
申请号：CN202311027706.2
申请日：2023-08-15
Applicant: 北京大学重庆大数据研究院
IPC: G06Q10/04 , G01W1/10 , G06N3/0464 , G06N3/08 , G06F18/15 , G06F18/241
Abstract: 本发明提供的一种模式后处理中期降水概率预测方法，包括以下步骤：获取目标区域的历史EC模式数据和历史站点观测数据，并对历史EC模式数据和历史站点观测数据进行预处理；构建神经网络，所述神经网络包括网格数据处理模块、线性分类器、站点数据处理模块以及概率融合模块；所述网格数据处理模块的输出端连接于线性分类器的输入端以及站点数据处理模块的输入端，所述站点数据处理模块和线性分类器的输出端连接于概率融合模块，所述概率融合模块输出结果；将预处理后的历史EC模式数据输入至网格数据处理模块中，且预处理后的历史站点观测数据与网格数据处理模块的输出结果叠加后输入至站点数据处理模块中，从而对神经网络进行训练；获取目标区域中目标位置的实时EC模式数据和实时站点观测数据并输入至神经网络中进行处理，得到目标位置的降水预报结果。
-
公开(公告)号：CN114626577B
公开(公告)日：2023-05-12
申请号：CN202210158802.X
申请日：2022-02-21
Applicant: 北京大学
IPC: G06Q10/04 , G06F18/241 , G06Q50/26
Abstract: 本发明公开了一种利用人工智能预报冬季降水相态的方法，包括基于降水相态变化的物理机制选择大气温度、湿度、风速和垂直速度在500‑100hpa间的16个气压层的廓线数据及地表2m气温、露点温度和地表气压以及地形信息作为预报特征变量；对0‑99类天气现象观测数据打标签，形成三类降水相态标注；利用lightGBM框架和训练数据集训练预报模型，利用验证数据集和对应的特征数据对预报模型进行检验和优化参数，得到降水相态预报模型并存为MLPT；利用MLPT算法、输入预报特征变量数据，得到站点降水相态预报。本发明通过利用当前时刻的特征变量对6小时后的降水相态进行智能预报，与数值预报模式和同类型人工智能算法的降水相态客观预报方法相比提高了预报准确率和时效。
-
公开(公告)号：CN114626578A
公开(公告)日：2022-06-14
申请号：CN202210158808.7
申请日：2022-02-21
Applicant: 北京大学
Abstract: 本发明公开了一种利用人工智能预报冻雨的方法，包括对降水类型观测数据预处理，将降水相态进行转换；将预处理后的降水类型观测数据按照90%:10%的比例分为训练数据集和验证数据集；根据观测数据时间进行地理位置匹配，分析数据中的500hPa‑1000hPa每个气压层特征数据以及每个预报站点的经度、维度和高度构建特征数据集；将观测数据作为标签，结合特征数据集，通过LightGBM算法进行冻雨降水相态预报模型训练，得到预报模型并存储；利用预报模型的特征数据集，直接输出预报得到的冻雨预报结果。本发明通过构建预报模型，对大气压层特征数据以及每个预报站点的经度、维度和高度进行特征工程处理，实现了对冬季冻雨快捷而准确的预报。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
