-
公开(公告)号：CN117496266A
公开(公告)日：2024-02-02
申请号：CN202311584960.2
申请日：2023-11-24
Applicant: 中国地质大学(北京)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N20/20
Abstract: 本发明实施例公开了一种基于图像数据增强与集成学习的矿物识别方法与系统，所述方法与系统使用深度卷积生成对抗网络(DCGAN)对真实矿物图像少于2000的矿物生成图像并加入到训练集中，并用扩充了的训练数据训练多个先进图像分类模型进行矿物的分别识别，各识别结果以加权投票法进行集成得到最终识别结果。本发明解决了矿物训练数据集中各不同种类矿物图像数量的不均衡问题，提高了矿物识别精度，同时集成更多先进模型用于识别矿物图像，进一步提高了矿物识别精度。
-
公开(公告)号：CN117131169A
公开(公告)日：2023-11-28
申请号：CN202310857840.9
申请日：2023-07-13
Applicant: 中国地质大学(北京)
IPC: G06F16/332 , G06F16/36 , G06F16/31 , G06F16/33 , G06N20/00
Abstract: 本发明公开了一种应用于矿物知识图谱的复杂问答方法与系统，包括：根据已有简单矿物问答数据集构建复杂矿物问答数据集、根据已有矿物知识图谱和数据集构建文本表示模型、利用文本表示模型和数据集构建矿物问句中心词识别、实体消歧和推理模型，用训练好的矿物问句中心词识别和实体消歧模型对用户输入的问句进行中心词识别和实体消歧，定位到推理出发实体，以其为初始点使用推理模型从矿物知识图谱中推理出答案并返回给用户。本发明提供的方法与系统解决了目前针对矿物知识图谱只能进行单跳推理的简单问答、不能对涉及多跳关系的复杂问题进行回答的问题，实现了对自然语言输入的矿物问句的准确回答，可用于矿物知识图谱的智能查询。
-
公开(公告)号：CN115018200A
公开(公告)日：2022-09-06
申请号：CN202210787250.9
申请日：2022-07-04
Applicant: 中国地质大学(北京)
Abstract: 本发明实施例公开了一种基于深度学习并考虑多种影响因素的电力负荷预测方法及系统，包括：获取某地区电力负荷、气象、节假日等历史数据；建立基于动态时间规整改进的KMeans聚类模型；计算皮尔逊相关系数得到对电力负荷影响较大的气象因素；对聚类出的各用户类别建立多因素ConvLSTM‑Prophet电力负荷预测模型并使用历史数据进行训练；使用训练后的模型对各用户类别进行预测。本发明能够根据用户的电力负荷不同对其进行类别划分，降低了电力负荷预测时的用户内部差异，通过多因素模型预测降低了气象因素、季节和节假日等外部因素对预测结果的影响，取得了比仅考虑历史电力负荷及不对用户进行分类预测更准确的结果。
-
公开(公告)号：CN114116208A
公开(公告)日：2022-03-01
申请号：CN202111341299.3
申请日：2021-11-12
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于GPU的短波辐射传输模式三维加速方法，通过对大气短波辐射传输模式RRTMG_SW进行基于GPU的三维并行计算以及性能优化，提升了RRTMG_SW的计算效率。该方法包括以下步骤：①三维并行计算：在CPU端为短波辐射过程定义、初始化数据；定义三维向量dim3类型的变量；为GPU端分配合适的内存空间来存储计算数据以及最终结果；将CPU内存中参与计算的数据复制到GPU的全局内存中；进行主机和设备端的数据传输并启动kernel函数开始三维并行计算；将GPU端的计算结果复制回CPU端。②算法性能优化：使用GPU寄存器降低计算过程中的全局内存访问时间；使用CUDA流覆盖数据传输与kernel计算过程。本发明有益效果：大大提升了RRTMG_SW的计算效率，使其更加适合使用GPU进行并行计算。
-
公开(公告)号：CN118193708A
公开(公告)日：2024-06-14
申请号：CN202410411837.9
申请日：2024-04-08
Applicant: 中国地质大学(北京)
IPC: G06F16/332 , G06F16/36 , G06F16/951 , G06F40/279 , G06F18/214
Abstract: 本发明公开了一种基于大语言模型的矿物知识问答方法与系统，包括：使用爬虫技术，从国家岩矿化石标本资源库等平台获取相关矿物数据，经清洗后分为矿物知识文档和问答对，并将矿物知识文档存入分布式搜索引擎Elastic Search(ES)；使用基于XGBoost的多特征融合精排算法得到和用户问题最相关的前k(k通常小于5)个文档，作为最终辅助大语言模型生成答案的矿物知识文档；使用LoRA高效微调大语言模型，并对大语言模型进行提示词(Prompt)设计来引导其生成矿物领域内容；本发明提供的方法与系统解决了目前的矿物问答系统只能回答最多涉及三个三元组、矿物知识回答能力有限、不能给出多句组成的矿物答案的问题，实现了矿物知识的专业性、准确性、灵活性和多样性的回答。
-
Patent Agency Ranking
公开(公告)号：CN117392407A
公开(公告)日：2024-01-12
申请号：CN202311532000.1
申请日：2023-11-16
Applicant: 中国地质大学(北京)
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种基于多粒度图像特征的矿物识别方法与系统，所述方法与系统将同一矿物图像根据粒度不同裁剪出多个小块并分别采用随机拼图的方式拼接出3个新图，使用3个新图及原图共4个图像对骨干网络进行粒度由细到粗的4次训练，前3次经骨干网络的不同层提取相应粒度的矿物图像特征后分类，第4次融合所有粒度特征后分类，并且将不同粒度的4次分类结果加和后作为最终识别结果，训练时除第1次训练外的后3次训练均使用前一次粒度训练结束时的参数为初始值以进一步融合矿物多粒度图像特征。本发明解决了现有矿物识别方法与系统无法对矿物非常相似的细粒度特征进行识别而带来的识别准确率不高的问题，进一步提高了矿物识别准确率。
-
公开(公告)号：CN116630137A
公开(公告)日：2023-08-22
申请号：CN202310663299.8
申请日：2023-06-06
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于异构计算系统的混合精度计算误差补偿方法，主要通过负载均衡算法对运行于异构系统的气候模式混合精度算法进行误差补偿，在加速算法计算的同时提升混合精度算法的精度。该方法包括以下步骤：分别使用OpenMP和HIP多线程计算的方式对算法在CPU端和GPU端进行并行计算；使用单双精度混合计算的方式进一步加速GPU并行算法；对计算任务进行划分，根据CPU和GPU的计算能力平衡计算负载；CPU端使用双精度，GPU端使用混合精度，达到利用双精度的高准确度补偿混合精度计算误差的目的。本发明的有益效果：能够大幅提升气候模式的计算效率，同时为降低混合精度计算的误差问题提供了一种有效的解决方案。
-
公开(公告)号：CN116580307A
公开(公告)日：2023-08-11
申请号：CN202310655461.1
申请日：2023-06-05
Applicant: 中国地质大学(北京)
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于分布外检测的矿物识别方法与系统，所述方法与系统包括卷积神经网络(CNN)和单类支持向量机(OCSVM)，首先固定OCSVM的参数令其输出判别为已知类，使用带有类别标签的矿物图像对CNN训练得到可以识别已知类矿物的CNN，然后固定CNN权重并用已知类矿物图像在此CNN的第2层特征向量训练OCSVM得到已知类矿物所在的高维空间超平面；2步训练完成后系统在识别实际矿物图像时将首先判断其是否在已知类矿物所在的高维空间超平面上，如果不在输出其为未知类，否则输出其为各已知类矿物的概率，本发明解决了现有方法与系统把不属于训练集类别的矿物识别为训练集中类别的误识别问题。
-
公开(公告)号：CN116842828A
公开(公告)日：2023-10-03
申请号：CN202310695664.3
申请日：2023-06-13
Applicant: 中国地质大学(北京)
IPC: G06F30/27 , G01N33/18 , G01N15/08 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V20/05 , G06F111/10
Abstract: 发明名称一种基于循环一致性生成对抗网络的地下水参数反演方法与系统摘要本发明公开了一种基于循环一致性生成对抗网络(CycleGAN)的地下水参数反演方法与系统，该方法利用CycleGAN包含两个生成器和两个判别器并通过循环一致性和对抗损失实现图像转换的一致性和真实性的特性，将水文参数和状态值视为两个固有相关的图像域进行跨域学习，实现了状态值与水文参数间的相互估计，该方法与系统根据收集的水文参数先验资料使用水文地质软件生成相应的数据集并转换为彩色图像用于CycleGAN的训练，训练完成后输入实际获取的部分水头/浓度值后即可获得相应的反演水文参数，该方法解决了当前快速反演地下水参数方法反演出的水文参数与真实参数不一致的问题，既能快速又能准确地对地下水参数进行反演。
-
公开(公告)号：CN115756605A
公开(公告)日：2023-03-07
申请号：CN202211390967.6
申请日：2022-11-07
Applicant: 中国地质大学(北京)
IPC: G06F9/30 , G06F9/50 , G06F30/20 , G06F113/08
Abstract: 本发明公开了一种基于多GPU的浅积云对流参数化方案异构计算方法，主要通过多GPU卡对大气环流模式中浅积云对流参数化方案UWshcu进行加速计算，以此来提高大气环流模式中浅积云对流物理过程的计算效率。该方法包括以下步骤：在主机端对浅积云对流物理过程所需数据进行定义和初始化；通过MPI将数据分发到主机端各个节点上进行计算；使用CUDA API启动每个节点上的GPU；启动核函数，使核函数在GPU上进行线程级的并行计算；将计算结果传回CPU并通过MPI收集计算结果。本发明的有益效果：首次使用CPU+GPU异构计算的方式对浅对流参数化方案UWshcu进行加速计算，大大提升了大气环流模式中浅积云对流物理过程的计算效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
