-
公开(公告)号：CN117590488A
公开(公告)日：2024-02-23
申请号：CN202311546284.X
申请日：2023-11-20
Applicant: 南京信息工程大学
IPC: G01W1/10 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种利用注意力机制改进的热带气旋路径预报方法，涉及海洋气象预报技术领域，利用Deep⨯框架融合热带气旋的二维特征和热带气旋及其周边的三维特征，构建端到端的模型；对于Cross分量，通过特征交叉的方法来提取热带气旋的二维特征；对于Deep分量，使用基于卷积注意力模块CBAM的Multi‑TrajGRU方法提取热带气旋及其周边的三维特征，其中卷积注意力模块CBAM能够对热带气旋的三维结构进行建模，并解决热带气旋受等压面影响以及三维结构的大尺度问题，Multi‑TrajGRU模型的使用则为了解决大气再分析数据特征提取不充分的问题，从而提高热带气旋路径预报的精度。
-
公开(公告)号：CN116450393A
公开(公告)日：2023-07-18
申请号：CN202310417120.0
申请日：2023-04-19
Applicant: 南京信息工程大学
IPC: G06F11/07 , G06F40/289 , G06F40/30 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种融合BERT特征编码与变种Transformer的日志异常检测方法及系统，涉及日志智能运维处理技术领域，方法包括以下步骤：接收日志序列，对日志序列进行解析，将解析后的日志序列输入预先建立的BERT模型内，得到有语义信息和位置信息的日志序列特征编码；将带有语义信息和位置信息的日志序列特征编码输入预先建立的异常检测模型中进行训练，得到未来可能出现的日志序列，使用得到的日志序列进行精准预测，得到检测结果，能够降低注意力层计算的内存消耗与时间消耗，同时达到了等效或超过预测精度。
-
公开(公告)号：CN116307224A
公开(公告)日：2023-06-23
申请号：CN202310312312.5
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于递归门控卷积和注意力机制改进的ENSO时空预测方法，包括如下步骤，S1、构建ENSO样本数据集；S2、构建密集卷积(Dense Block)模块增强特征传播降低参数数量；S3、构建利用Attention机制改进的MIMG‑Encoder‑Decoder架构；S4、转置卷积恢复特征图的原始大小；S5、构建并训练ENSO时空预测模型；S6、预测时空序列。本发明通过多层密集卷积模块可以很好的提取时空序列数据的高维空间特征，抑制非必要的冗余特征。改进后的MIMG模块能够更好的学习到ENSO数据时空演化的高阶非平稳性。本发明提出的ENSO时空预测模型架构理论上适用于所有的时空序列。
-
公开(公告)号：CN116051857A
公开(公告)日：2023-05-02
申请号：CN202310057412.8
申请日：2023-01-14
Applicant: 南京信息工程大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084 , G01W1/14
Abstract: 本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法，属于降水预测领域；一种利用随机掩码和Transformer改进的短临降水预报方法包括：S1，随机掩码时空序列图像；S2，构建网络模型，并将掩码标记后的时空序列图像输入网络进行模型训练；网络模型包括以UNet为核心模型的编码器‑解码器结构，在编码器中嵌入了SwinTransformer模块，并引入了SENet注意力机制；S3，模型训练过程中，输入图像通过前向传播过程得到预测值，然后根据损失函数进行反向调优不断对模型进行微调，最小化损失函数，实现模型的准确预测能力；S4，训练过程中使用L1+L2正则化，以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息，提高模型的预测准确性。
-
公开(公告)号：CN111428676B
公开(公告)日：2023-04-07
申请号：CN202010253414.0
申请日：2020-04-01
Applicant: 南京信息工程大学
IPC: G06V20/00 , G06V10/46 , G06V10/75 , G06N3/045 , G06N3/08 , G06Q10/04 , G06Q50/26 , G06T7/10 , G06T7/246
Abstract: 本发明涉及一种基于稀疏对应和深度神经网络的短临降水预测方法，具体包括以下步骤：(1)图像可视化；(2)Fast特征检测；(3)SIFT匹配；(4)计算全局矢量；(5)预测雷达回波图像、统计云团特征和时空方向特征；(6)Inception v3回归。本发明得到的MAE和RMSE均比其它基于深度学习的方法都要低，且拟合度是最高的，克服了由数据集数量过少带来的问题，且本发明对比了利用传统堆叠方式的CNN，构建Inception v3模型的结果更加精确，能够使降水预测结果更加精确和有效。
-
Patent Agency Ranking
公开(公告)号：CN115113165A
公开(公告)日：2022-09-27
申请号：CN202210818471.8
申请日：2022-07-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种雷达回波外推方法、装置及系统，所述方法包括对获取到的二维雷达回波数据进行处理，生成三维雷达回波数据；利用基于3D卷积构建而成的特征提取器，提取所述三维雷达回波数据中的时空特征信息，获得包含了整体空间信息和短时动态信息的三维特征图；将所述三维特征图输入至循环神经网络模块，获得不同时刻输出的高层抽象特征信息；将所述不同时刻输出的高层抽象特征信息输入至基于时间通道的通道注意力模块，得到在时间通道上加权的特征信息；基于在时间通道上加权的特征信息，进行反向重构，还原特征信息中包含的时空信息，得到最终的雷达回波外推结果。本发明具有更强的表征能力，外推结果更加准确。
-
公开(公告)号：CN108665005B
公开(公告)日：2021-12-07
申请号：CN201810467893.9
申请日：2018-05-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种利用DCGAN提高基于CNN图像识别性能的方法，该方法将DCGAN出色的数据生成能力与基于CNN图像识别框架进行了二度结合，并且DCGAN是在GAN的基础上经过改进后的新型对抗生成网络，所述方法将CNN应用到了原始结构中，使得GAN具有了深度卷积的特性，并在数据生成方面拥有更好的特征表示形式。本发明很好的解决了图像识别过程中训练样本数据难以收集、样本相似度过大等问题，冲破了样本数量与质量在分类模型优化问题上的限制，进一步强化分类模型，提高图像识别的准确性。
-
公开(公告)号：CN112488035A
公开(公告)日：2021-03-12
申请号：CN202011464169.4
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于对抗神经网络的跨域行人重识别方法。涉及循环一致性对抗网络、DCGAN、ResNet50和行人重识别等领域；具体包括以下步骤：(1)、构建行人重识别分类器；(2)、目标数据集映射到带标签数据集；(3)、DCGAN优化映射网络；(4)、优化算法。本发明使得行人重识别技术能在更加真实的场景上得以应用，充分利用没有标签的数据集，缩小了目标(真实)数据集与原(带标签)数据集上样本的特征差距，能使召回率更加准确和有效。
-
公开(公告)号：CN101916272B
公开(公告)日：2012-04-25
申请号：CN201010250124.7
申请日：2010-08-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种用于深层网数据集成的数据源选择方法。本发明方法首先基于查询接口语义特征并结合本体库，选择与用户查询相关度较大的深层网数据源；接着通过数据源的质量评估模型对数据源的质量进行评估，最后根据质量评估情况质量较高的数据源，最终得到与客户查询相关度大且质量较高的数据源集。相比现有技术，本发明方法能够提高深层网页查询的准确度，同时降低信息冗余，提高查询效率。
-
公开(公告)号：CN101937507A
公开(公告)日：2011-01-05
申请号：CN201010280831.0
申请日：2010-09-14
Applicant: 南京信息工程大学
Abstract: 本发明提供一种低对比度车辆图像的小波特征提取方法，属于图像特征处理技术领域。本发明先利用小波变换对图像进行塔式分解；然后对塔式分解后的小波高频系数采用增益函数进行增益处理，以提高高频细节部分对分类的贡献，最后对所有数据进一步进行分层归一化处理，将处理后的数据形成特征向量输入到分类器进行分类识别。本发明解决了现有的特征提取方式对低对比度图像进行特征提取后分类识别效果较差的问题，利用所提出的方法结合支持向量机分类器对Twilight图像进行车辆检测实验，与现有小波特征提取方法相比，明显提高了车辆识别率，大幅度降低了非车辆误识别率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.036 seconds)
