-
公开(公告)号：CN114881357A
公开(公告)日：2022-08-09
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
Patent Agency Ranking
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：CN114819344A
公开(公告)日：2022-07-29
申请号：CN202210441892.3
申请日：2022-04-25
Applicant: 南京信息工程大学
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：CN119129756B
公开(公告)日：2025-03-14
申请号：CN202411639487.8
申请日：2024-11-18
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/24
Abstract: 本发明公开了一种基于情感融合与特征权重引导的幽默风格图像描述方法，首先采用多层卷积与池化操作对输入图像提取其幽默特征向量；同时给定具有人类情感信息的情感图像，使用卷积神经网络构建情感标志向量；将幽默特征向量与情感标志向量实施特征融合组成联合特征向量，通过线性组合变换实现维度对齐后映射进入长短期记忆网络中。在每个时间步捕获与特定输入位置相关的幽默视觉信息，逐个生成单词并最终组成完整的图像描述。对于所生成的图像描述，综合考虑幽默图像描述的组织数据，对该幅被描述图像的联合特征进行权重强化引导。以生成图像描述的幽默程度为收益对模型进行参数微调，从而提高模型对幽默风格图像描述的细粒度生成。
-
公开(公告)号：CN114881357B
公开(公告)日：2024-09-17
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06N3/092 , G06N3/084
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
公开(公告)号：CN119129756A
公开(公告)日：2024-12-13
申请号：CN202411639487.8
申请日：2024-11-18
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/24
Abstract: 本发明公开了一种基于情感融合与特征权重引导的幽默风格图像描述方法，首先采用多层卷积与池化操作对输入图像提取其幽默特征向量；同时给定具有人类情感信息的情感图像，使用卷积神经网络构建情感标志向量；将幽默特征向量与情感标志向量实施特征融合组成联合特征向量，通过线性组合变换实现维度对齐后映射进入长短期记忆网络中。在每个时间步捕获与特定输入位置相关的幽默视觉信息，逐个生成单词并最终组成完整的图像描述。对于所生成的图像描述，综合考虑幽默图像描述的组织数据，对该幅被描述图像的联合特征进行权重强化引导。以生成图像描述的幽默程度为收益对模型进行参数微调，从而提高模型对幽默风格图像描述的细粒度生成。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
