-
公开(公告)号：CN119313232A
公开(公告)日：2025-01-14
申请号：CN202411460402.X
申请日：2024-10-18
Applicant: 哈尔滨工业大学
IPC: G06Q10/067 , G06Q50/02 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种作物生长仿真平台集成方法以及作物生长大模型构建方法，涉及农业信息预测技术领域，包括：获取每个作物在全周期的作物生长状态、作物品种特性、气候因子、土壤特性以及田间管理信息；通过语义分析得到作物在全周期的作物生长变量。对作物生长变量进行自动划分，得到作物生长的动态协变量、静态协变量和时序过程变量并进行嵌入，得到动态协变量、静态协变量和时序过程变量对应的嵌入向量；根据嵌入向量对初始大语言模型进行全参训练得到作物生长大模型。本发明在提高模型的预测精度的同时还增强了模型的泛化能力和适应性，使其能够更好地应对多变的环境条件和不同的作物品种，改善作物生长模型在作物生长状态预测中的使用效果。
-
公开(公告)号：CN117973602A
公开(公告)日：2024-05-03
申请号：CN202410081329.9
申请日：2024-01-19
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/20 , G06F18/2131 , G06N20/00 , G06N3/04 , G06F123/02
Abstract: 本发明涉及计算机技术领域，提供了一种目标作物生长参数预测方法、装置及存储介质，其中，该方法包括：获取第一时间序列；将第一时间序列输入至目标模型，通过目标模型中的N个因果模块捕获频域内第一时间序列的因果属性，得到目标序列，其中，第i+1个因果模块的输入包括第i个因果模块的输入与第i个因果模块的输出；根据目标序列确定第二时间序列，第二时间段在第一时间段之后。通过本发明，解决了如何提高对未来作物生长参数的预测结果准确性问题。
-
Patent Agency Ranking
公开(公告)号：CN117198549A
公开(公告)日：2023-12-08
申请号：CN202311244879.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种血糖预测和控制方法及系统，涉及药代动力学机理技术领域，血糖预测和控制方法包括：根据强化学习模型，得到目标人员的当前时刻血糖状态以及预计外部干预量；将当前时刻血糖状态和预计外部干预量正向输入可逆神经网络，得到下一时刻血糖状态；将当前时刻血糖状态和期望血糖状态逆向输入可逆神经网络，得到从当前时刻血糖状态到期望血糖状态所需要的参考外部干预量；根据参考外部干预量调整预计外部干预量；当下一时刻血糖状态达到期望血糖状态时，将调整后预计外部干预量作为最终外部干预量。通过可逆神经网络对预计外部干预量进行调整，利用反事实思考，提高机器学习对频繁变化的外部干预量等新鲜数据的泛化能力。
-
公开(公告)号：CN116611520A
公开(公告)日：2023-08-18
申请号：CN202310540168.0
申请日：2023-05-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种数字农业信息的分层因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述方法包括：获取数字农业信息的数据集；构建包括高层策略和低层策略两层分层结构的因果发现框架；通过高层策略获取数据集的因果分割集合，根据因果分割集合，将数据集转换为多个因果变量子集合组成的因果变量子集族；通过低层策略对每一个因果变量子集合进行因果发现，获取每一个因果变量子集合的因果发现结果；通过高层策略将所有因果发现结果合并，获取数据集中全部变量的因果关系；获取所述数字农业信息中不同变量的因果关系。本发明能够有效降低独立性测试的复杂性，能够显著提高大规模变量情况下的因果发现效率。
-
公开(公告)号：CN115456178A
公开(公告)日：2022-12-09
申请号：CN202211074758.0
申请日：2022-09-02
Applicant: 哈尔滨工业大学
IPC: G06N5/04 , G06N3/04 , G06N3/08 , G06F16/901
Abstract: 本发明提供了一种基于分层强化学习的因果发现方法、装置、介质及设备，所述方法包括：基于强化学习方法，构建高层和低层策略网络；按照预设步长运行高层策略网络，对变量进行处理，生成无向图，并获取外部奖励；根据当前无向图以及无向图的历史记录，获取好奇心奖励；根据好奇心奖励和外部奖励，获取增强奖励；通过低层策略网络确定高层策略网络生成的无向图的因果方向，生成有向无环图，并获取内部奖励；根据内部奖励和增强奖励，训练低层策略网络和高层策略网络。本发明提供的基于分层强化学习的因果发现方法能够在条件独立性解空间中搜索到最优的有向无环图，避免由于分解因果发现的两个子任务而导致的错误积累，且避免重复探索相同的状态。
-
公开(公告)号：CN118246601A
公开(公告)日：2024-06-25
申请号：CN202410412380.3
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明涉及数据处理技术领域，提供一种作物生长相关趋势预测方法、装置、电子设备及存储介质，包括：对预先获取的作物生长趋势时序进行修补处理，为时序中每个变量配置对应的通道和相同的权重，根据权重对处理后的时序进行转化得到深层特征；利用编码器和解码器对深层特征进行编码及解码，得到第二特征，并进行后处理，得到目标预测结果。通过对作物生长趋势时序进行修补处理及通道分配得到深层特征，利用编码器、解码器依次对转化后的深化特征进行编码及解码及后处理得到目标预测结果，提高时序预测准确性和预测效率，同时使得处理后的深层特征适配不同的编码器和解码器，有效提高了时序预测的通用性。
-
公开(公告)号：CN116401291A
公开(公告)日：2023-07-07
申请号：CN202310378471.5
申请日：2023-04-10
Applicant: 哈尔滨工业大学
IPC: G06F16/2458 , G06N3/0464 , G06Q50/02
Abstract: 本发明提供了一种数字农业信息的时序因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述装置包括：获取模块，用于获取包括多个数字农业信息可观察时间序列的数据集；分解模块，用于将数据集扩展为多个窗口表示，并将数据集的时序因果机制分解为具有机理不变性模块和时间不变性模块的求和形式；第一计算模块，用于通过机理不变性模块输出因果数值变换关系；第二计算模块，用于通过时间不变性模块输出窗口因果图；训练模块，用于根据因果数值变换关系和窗口因果图，获取数字农业信息中不同所述变量的时序因果关系。本发明克服了数字农业信息时序数据噪声多样化、数据量较小的问题，在农业机理研究方面具有良好的应用前景。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
