-
公开(公告)号：CN115879623A
公开(公告)日：2023-03-31
申请号：CN202211587993.8
申请日：2022-12-12
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/2415 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种农业干旱等级预测方法、装置、电子设备及存储介质，所述方法包括从CRU数据中心提取陆地表面的时间序列数据；提取时间序列数据在时间尺度上的特征，并进行特征融合和全局平均池化，获得时间特征矩阵；提取时间序列数据在变量尺度上的特征，并进行全局平均池化，获得变量特征矩阵；提取时间序列数据在空间上的特征，将相邻格点的信息融入到该格点信息中，获得空间特征矩阵；将时间特征矩阵和变量特征矩阵以及空间特征矩阵拼接在一起，经过Softmax层输出最终的干旱等级分类结果，本发明提高农业干旱等级预测准确率，进一步减少因为干旱而引起的农业损失。
-
公开(公告)号：CN115860269A
公开(公告)日：2023-03-28
申请号：CN202310136305.4
申请日：2023-02-20
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了智慧农业技术领域的一种基于三重注意力机制的农作物产量预测方法，解决现有方法对农作物产量预测精确度不高等技术问题。其包括：获取历年生长期内的目标农作物种植区农作物产量数据、遥感影像数据和气象环境数据，预处理后农作物单产预测的输入特征参数和单产数据分别作为深度学习模型的输入特征和输出数据；将输入特征和输出数据构建为非线性特征组合数据集并划分为测试集和训练集；搭建农作物产量预测TAM模型使用非线性特征组合数据集进行训练优化，将待测农作物的输入特征输入到农作物产量预测TAM模型中获得该农作物单产预估结果。本发明相比于现有方法提高了农作物产量的预测精确度。
-
公开(公告)号：CN113688204A
公开(公告)日：2021-11-23
申请号：CN202110936166.4
申请日：2021-08-16
Applicant: 南京信息工程大学
IPC: G06F16/33 , G06F16/35 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用相似场景及混合注意力的多人会话情感预测方法，属于文本情感预测。本发明首先从原始文本序列获得文本情感空间映射，接着使用揭示周期性和相似规律的相似场景搜索方法，通过输入序列找到与当前场景相对应的注意力序列；采用基于长短期记忆神经网络的双阶段编码‑解码结构，预测目标人物未来文本情感向量，进一步可得到未来目标人物待发布文本情感，并通过损失函数求得编码阶段和解码阶段的总损失。本发明采用文本情感空间映射和相似场景搜索方法对多人会话情感进行预测，结合相似场景搜索和混合注意力提取，通过学习有效的历史数据，可用于长期预测，并且能够加强模型学习的精确性和针对性，极大程度地提升了预测精度。
-
公开(公告)号：CN103942180A
公开(公告)日：2014-07-23
申请号：CN201410120816.8
申请日：2014-03-28
Applicant: 南京信息工程大学
IPC: G06F15/177
Abstract: 本发明涉及一种应用于多核系统的分布式引用计数系统，包括至少两个系统内核、内存存储模块、任务管理器和系统全局引用计数模块，还包括数个分别与各个系统内核一一对应的本地资源引用模块；基于本发明设计的技术方案，能够克服传统操作系统引用资源机制的瓶颈；与此相应，本发明还设计了基于以上系统的计数方法，有效降低了系统内核直接对系统全局引用计数模块的访问频率，有效避免了某个系统内核独占系统全局引用计数模块而出现的过分“抖动”现象，有效地改善了操作系统的服务能力，提高了系统的可扩展性。
-
公开(公告)号：CN119205582B
公开(公告)日：2025-02-25
申请号：CN202411712555.9
申请日：2024-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多感受野与破损特征动态匹配的图像修复方法，利用输入破损图像构建统一尺度多感受野特征提取模块，并提取具有不同感受野的统一尺度特征组；以破损图像掩码为约束，通过破损特征映射模块建立线性映射关系，提取当前破损特征对应的一维权重特征；利用权重特征对特征组进行加权，获得加权统一尺度多感受野特征组；通过特征筛选模块，建立破损特征与特征间的动态匹配关系，获得高匹配度的重筛特征；以重筛特征为输入，通过基于快速傅里叶卷积的解码器组进行解码，获得修复图像；通过该设置加强修复网络的约束，有效去除了修过图像中出现的伪影，同时增强了修复图像的语义一致性。
-
Patent Agency Ranking
公开(公告)号：CN119205582A
公开(公告)日：2024-12-27
申请号：CN202411712555.9
申请日：2024-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多感受野与破损特征动态匹配的图像修复方法，利用输入破损图像构建统一尺度多感受野特征提取模块，并提取具有不同感受野的统一尺度特征组；以破损图像掩码为约束，通过破损特征映射模块建立线性映射关系，提取当前破损特征对应的一维权重特征；利用权重特征对特征组进行加权，获得加权统一尺度多感受野特征组；通过特征筛选模块，建立破损特征与特征间的动态匹配关系，获得高匹配度的重筛特征；以重筛特征为输入，通过基于快速傅里叶卷积的解码器组进行解码，获得修复图像；通过该设置加强修复网络的约束，有效去除了修过图像中出现的伪影，同时增强了修复图像的语义一致性。
-
公开(公告)号：CN118966364A
公开(公告)日：2024-11-15
申请号：CN202411448500.1
申请日：2024-10-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自动驾驶视觉推理认知方法及相关装置。本发明采用仿照视觉通路的人脑视觉通路模型进行自动驾驶视觉推理认知，用神经元模型模拟视觉信号从视网膜进入到外侧膝状体再到初级视觉皮层的过程，有利于提取图像的底层特征，为接下来的语义信息认知奠定基础，用神经元模型模拟视觉通路的腹侧通路和背侧通路，有利于对特征图和问题文本进行高级认知，辅助理解图像构成逻辑，用神经元模型模拟人脑前额叶，有利于推理出图像和问题文本对应的答案，实现了基于视觉通路的视觉特征和语义认知的视觉推理，充分开盒神经认知过程，提高可解释性。
-
公开(公告)号：CN114819344B
公开(公告)日：2024-10-18
申请号：CN202210441892.3
申请日：2022-04-25
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/02 , G06Q50/26 , G06F40/279 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于关键影响因子的全局时空气象农灾预测方法，包括以下步骤：对异构数据按照时间与空间进行融合，融合成时空数据立方体；收集特定农业灾害指标的历史数据；选出对农业灾害影响最大的指标组合作为影响因子；将时空数据立方体转化为无纲量平面；从云平台时空数据立方体中按时间与空间提取气象与农业关联数据分组；在二维特征平面集合基础上构建带有全局时空特性的农业灾害预测的第二神经网络，计算农灾发生概率。本发明针对全局时空气象农灾预测方法的改进，基于关键影响因子的全局时空气象农灾预测方法，能够从时间与空间两方面对特定区域与时间段气象与农业观测值进行全局分析，更准确预测未来可能发生的农业灾害。
-
公开(公告)号：CN118035868A
公开(公告)日：2024-05-14
申请号：CN202410136494.X
申请日：2024-01-31
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06V10/42 , G06V10/44 , G06V10/82 , G06F40/30
Abstract: 本发明公开了一种基于最优传输的实体级多模态情感分类方法及系统，包括：将整图特征RV、图像情感局部特征RSenti、实体文本特征RL和句子文本特征RT映射到再生核希尔伯特空间，并经过拼接形成混合特征R″和混合特征R′；将混合特征R′和混合特征R″输入至融合层函数和第一归一化层获得中间特征H′；将中间特征H′输入至通道前馈神经层和第二归一化层获得多模态混合特征H；通过设定数量叠加的融合层和线性层对多模态混合特征H进行处理得到多模态混合特征Hmutil；根据多模态混合特征Hmutil进行情感分类；本发明在保持模型相对轻量级的同时，能够有效地处理多模态信息完成情感分类。
-
公开(公告)号：CN117808040A
公开(公告)日：2024-04-02
申请号：CN202410232308.2
申请日：2024-03-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于脑图的低遗忘热点事件预测方法及装置，方法包括：将待预测的社交网络热点事件流输入构建好的BNN模型，利用构建好的BNN模型预测事件后续发展；构建BNN模型包括：提取推理预测的脑区fMRI成像；将脑区fMRI成像转化为脑图网络并融合；将融合图中节点替换为神经元模型得到原始BNN；分批次将若干个事件流中事件逐个输入原始BNN，每一批次均对原始BNN进行权重更新后利用相似性计算进行阈值处理得到若干组BNN1、BNN2…BNNn；将若干组BNN1、BNN2…BNNn相继融合，利用相似性计算对需要重放的事件进行经验重放，BNN模型构建完成。本发明提高了热点事件的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
