-
公开(公告)号:CN119204326A
公开(公告)日:2024-12-27
申请号:CN202411326496.1
申请日:2024-09-23
Applicant: 中铁十四局集团第三工程有限公司 , 中铁十四局集团有限公司
IPC: G06Q10/04 , G06Q50/26 , G06F18/2113 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明提出一种污染物扩散预测方法,涉及机器学习领域。本发明提出的区域气候变化数据污染物扩散预测流程包括构建区域气候变化数据集,结合皮尔逊相关系数进行特征选择和层归一化操作,确保输入数据的相关性和分布平衡,然后,构建多个深度编码模块,每个模块包括sLSTM、全连接神经网络与ReLU激活函数,并引入残差连接机制,以捕捉数据中的复杂模式和潜在关系,接着,利用最大池化技术提取时间序列中最显著的特征生成最终的特征向量,再通过全连接神经网络获得最终的预测结果,通过特征选择、层归一化、深度编码模块和最大池化技术的组合,有效增强了模型的抗噪能力和预测精度。
-
公开(公告)号:CN119229194A
公开(公告)日:2024-12-31
申请号:CN202411317374.6
申请日:2024-09-20
Applicant: 中铁十四局集团第三工程有限公司 , 中铁十四局集团有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种垃圾识别分类方法,属于机器学习领域;该方法通过创建全面的垃圾图像数据集,并进行高质量标注,确保了模型训练的准确性;利用HyperTune模块和超网络技术,模型能够快速适应新任务并生成分类器参数;结合P‑Mix和E‑Mix模块,通过Mixup增强技术提升样本多样性,并增强对异常样本的检测能力;此外,通过MixMaster模块在元训练阶段进一步优化超网络,提升模型泛化性;特征提取网络采用ResNet‑12架构,结合监督学习和自监督学习策略进行预训练,优化模型性能;最终,通过自动化图像采集系统实现实时图像识别分类,有效提升垃圾分类的实时性和自动化水平,具有快速适应新任务和对异常样本鲁棒性的优势。
-