公开(公告)号：CN119647550A

公开(公告)日：2025-03-18

申请号：CN202411697586.1

申请日：2024-11-26

Applicant: 北京大学

Inventor： 杜世宏 ,  余昊 ,  李治江 ,  张修远

IPC: G06N3/0895 ,  G06N3/084 ,  G06N3/045 ,  G06V10/82 ,  G06V10/774 ,  G06V20/10

Abstract: 本发明提供一种高效且高兼容性的半监督学习模型训练方法及设备，方法包括：将有标签和无标签的图像数据按照一定的比例组合成若干批；将数据逐批次输入ACCT半监督学习框架中的两条支路上待训练的模型中；将两个模型输出的预测结果通过交叉伪监督的方式来计算预测损失，并反向传播预测损失，用于同时更新两个模型的参数；按照上述步骤迭代训练多个轮次，直到两个模型的损失曲线收敛。本发明基于深度学习对半监督学习模型的训练方法进行了优化，提升了训练的效果、简化了训练的步骤、降低了训练的成本。

公开(公告)号：CN119515185A

公开(公告)日：2025-02-25

申请号：CN202411661993.7

申请日：2024-11-20

Applicant: 北京大学

Inventor： 张修远 ,  董晓燕 ,  杜世宏 ,  白璐斌 ,  余昊

IPC: G06Q10/0639 ,  G06N20/20 ,  G06F18/27 ,  G06F18/24

Abstract: 本发明提供一种城市绿地公园相对绩效评估方法及装置，基于绿地公园的不同核心功能构建绿地公园自动分类技术；基于多模态时空大数据建立效益产出和资源占用两套对应指标体系，分别利用层次分析法(AHP)和循环随机森林回归方法对不同类型绿地公园的效益产出及资源占用进行评价，并根据二者关系综合评价不同类型绿地公园的利用效率，识别高效和低效绿地公园；利用Shapley加性解释(SHAP)方法挖掘影响低效绿地公园的主要驱动因素，量化资源占用指标的重要性。本发明基于时空大数据及深度学习方法对绿地公园进行分类利用效率评价，识别低效空间，分析了效益产出与资源占用不匹配的空间格局，并挖掘了其关键成因。