-
公开(公告)号：CN111861553A
公开(公告)日：2020-10-30
申请号：CN202010674883.X
申请日：2020-07-14
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于EMD-ELM的农产品价格预测方法，基于经验模态分解（EMD）和极限学习机（ELM）方法构建农产品价格组合预测模型，包括以下步骤：首先采集农产品价格时间序列数据；再利用经验模态分解将原始农产品价格时间序列分解为若干个本征模态函数（IMF）和余项，然后将这些分量分别用极限学习机进行预测，最后把各个分量的预测结果进行组合得到原始农产品价格时间序列的预测值；本发明实际应用进行预测并对其预测结果进行评价分析，预测误差极小；相较于BP神经网络等预测方法，本发明将经验模态分解和极限学习机组合起来的预测方法具有较好的农产品价格预测性能，能够适用于农产品价格波动规律的预测。
-
Patent Agency Ranking
公开(公告)号：CN1877612A
公开(公告)日：2006-12-13
申请号：CN200610017983.5
申请日：2006-06-20
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于作物生长模型的农业专家系统中知识表示技术的方法，该方法采用描述框架、规则组、系统变量和模型字典的组合形式描述知识，其中描述框架反映的是一个问题域，它描述问题域内所涉及的因素集合，在结构上类似传统的框架形式，含有因素集合与规则组集合两类槽。该方法是基于作物生长模型的农业专家系统中知识表示技术的创新，使农业专家系统更加接近农业领域知识的本质和特点，能更好地应用于生产实际；在知识的一致性检查时可形成层次性，能够明显提高效率；在推理过程中，用描述框架与规则组做索引，提高匹配速度；系统变量的引入较好的解决了作物生长模拟模型这类非过程性知识的应用，使农业专家系统具有动态的科学决策能力。
-
公开(公告)号：CN113643248B
公开(公告)日：2024-02-20
申请号：CN202110888719.3
申请日：2021-08-04
Applicant: 河南农业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F9/54 , G06F8/20 , G06N3/048
Abstract: 本发明公开了一种基于改进卷积神经网络的小麦生育进程监测方法，其特征在于：包括以下步骤，一、通过摄像装置获取小麦生育期冠层图像，二、通过对试验田小麦完整生育周期内物候特征的持续拍摄，得到小麦各生育期分类图像数据集，三、通过使用去中心化、错切变换、图像缩放、水平翻转和标准化的图像增强方式对小麦生育期数据集进行扩充，四、构建小麦生育进程监测模型，五、小麦进程监测模型进行部署，六、通过服务系统对小麦生育提供监测服务，服务系统分为终端和云服务器；本发明从小麦生育期冠层图像识别的准确率和效率出发，设计出一种降低模型复杂度、提升模型运算速度的小麦生育进程监测方法。
-
公开(公告)号：CN116406108A
公开(公告)日：2023-07-07
申请号：CN202310323703.7
申请日：2023-03-30
Applicant: 河南农业大学
Abstract: 本申请公开了一种数据库存储装置，包括储存柜、控制器和用于支撑服务器的支撑平台：储存柜的内部设置有若干组分隔板，储存柜将储存柜的内部分隔成若干组控温区；控制器的数量为若干组，控制器的嵌入式固定安装储存柜上；用于支撑服务器的支撑平台的数量为若干组，支撑平台设置在储存柜的内部；其中，所述控温区的内部设置有温度监测器，所述支撑平台上设置有调温组件；其技术要点为，服务器与支撑平台接触，通过调温组件直接控温，而且各个区域之间不会干扰，控温效果好，使用效果好，且其直接对服务器进行控温，控温时消耗的能源小，能够解决能源，能够方便工作人员根据服务器的需求合理的规划空间，使用比较方便，具有更好的使用前景。
-
公开(公告)号：CN115659018A
公开(公告)日：2023-01-31
申请号：CN202211298258.5
申请日：2022-10-22
Applicant: 河南农业大学
IPC: G06F16/9535 , G06F16/36 , G06F40/30 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种基于语义特征和知识特征融合的内容推荐方法，旨在解决传统推荐模型面临的数据稀疏性及推荐效果不好的问题。本申请基于知识图谱，使用连续词袋模型捕获项目实体对应的语义特征，依据“偏好扩散”思想进行知识特征的学习，将不同层面特征进行融合后，使用结合注意力机制的门控循环单元挖掘用户潜在兴趣偏好。基于MovieLens数据集的对比实验结果表明，所提出模型能够有效提升推荐效果并缓解数据稀疏性问题，通过消融实验验证了该模型各个组件的有效性。
-
公开(公告)号：CN113643248A
公开(公告)日：2021-11-12
申请号：CN202110888719.3
申请日：2021-08-04
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于改进卷积神经网络的小麦生育进程监测方法，其特征在于：包括以下步骤，一、通过摄像装置获取小麦生育期冠层图像，二、通过对试验田小麦完整生育周期内物候特征的持续拍摄，得到小麦各生育期分类图像数据集，三、通过使用去中心化、错切变换、图像缩放、水平翻转和标准化的图像增强方式对小麦生育期数据集进行扩充，四、构建小麦生育进程监测模型，五、小麦进程监测模型进行部署，六、通过服务系统对小麦生育提供监测服务，服务系统分为终端和云服务器；本发明从小麦生育期冠层图像识别的准确率和效率出发，设计出一种降低模型复杂度、提升模型运算速度的小麦生育进程监测方法。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
