公开(公告)号：CN117037779A

公开(公告)日：2023-11-10

申请号：CN202310527675.0

申请日：2023-05-11

Applicant: 华南理工大学

Inventor： 郑月怡 ,  陶乾 ,  张恩泽 ,  黄梓衍

IPC: G10L15/18 ,  G10L15/16 ,  G10L15/06 ,  G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于GCN‑AMCN的MIDI标签分类方法：(1)数据预处理，提取MIDI数据中的音高片段序列和节奏模式；(2)音乐特征图构造，根据数据预处理步骤得到的音高和节奏构造图节点和边；(3)结构特征提取，通过图卷积网络对音乐特征图进行训练，对图节点进行二阶卷积学习，提取结构特征；(4)音高片段向量化，通过word2vec对音高片段序列进行预训练，得到音高片段的特征向量；(5)序列特征提取，将序列特征矩阵输入AMCN进行训练，提取序列特征嵌入；(6)特征聚合，将结构特征和序列特征进行聚合，将聚合后的特征嵌入输入到全连接层训练，得到完整的特征嵌入；(7)标签分类，使用softmax函数计算标签概率，取最大概率作为预测标签。

公开(公告)号：CN118519213A

公开(公告)日：2024-08-20

申请号：CN202410273649.4

申请日：2024-03-11

Applicant: 华南理工大学

Inventor： 黄梓衍 ,  陶乾 ,  黄健斌 ,  黄弘镇 ,  李丰含

IPC: G01W1/10 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的厄尔尼诺预测方法及系统，所述方法包括：获取预测前m个月的海表温度和热含量数据并存储于Grid图上；利用模型中图构建模块构建Mesh图和Grid2Mesh图；利用模型中嵌入层分别对Grid图的节点特征、Grid2Mesh图的边特征和Mesh图的节点以及边特征进行嵌入，得到对应的嵌入表征；根据Grid图和Mesh图的节点嵌入以及Grid2Mesh图的边嵌入，利用模型中编码器更新Mesh图的节点嵌入，进而利用模型中处理器更新Mesh图的节点嵌入；将季节编码和Mesh图的节点嵌入输入模型中预测器，预测海洋尼诺指数。本发明利用构建的模型提升了厄尔尼诺现象预测的准确性。

公开(公告)号：CN118915192A

公开(公告)日：2024-11-08

申请号：CN202410967717.7

申请日：2024-07-18

Applicant: 华南理工大学

Inventor： 李琼 ,  彭惠旺 ,  黄梓衍 ,  陶乾 ,  孟庆林

IPC: G01W1/10 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请公开了一种基于时空图神经网络的气象数据降尺度方法及装置，所述方法包括：获取研究区域内气象站点的气象观测数据集及网格化数据集；对数据集进行数据预处理，并利用预设的相关性分析算法确定对应的特征变量；根据气象观测数据集、网格化数据集及对应的特征变量，构建得到用于降尺度的数据集；将用于降尺度的数据集输入已训练的第一时空图神经网络对低分辨率气象网格数据进行降尺度处理，得到预测的高分辨率气象网格数据；利用已训练的第二时空图神经网络对预测的高分辨率气象网格数据进行偏差订正，得到修正的高分辨率气象网格数据。本申请能更快速、准确地捕捉局部地区气象现象的细节，提高降尺度后气象数据的分辨率和精度。