-
公开(公告)号：CN112231983B
公开(公告)日：2024-02-02
申请号：CN202011146347.9
申请日：2020-10-23
Applicant: 河南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06V20/13 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
公开(公告)号：CN109241912B
公开(公告)日：2020-08-07
申请号：CN201811046842.5
申请日：2018-09-08
Applicant: 河南大学
Abstract: 本发明提供一种面向无人自主系统的基于类脑跨媒体智能的目标识别方法。该方法包括：步骤1、获取无人自主系统采集到的目标场景的视音频数据，对所述视音频数据进行预处理，提取所述视音频数据中的语言文字，将所述语言文字采用分布式表示，得到词向量；步骤2、结合对象时空上下文信息，对预处理后的视音频数据和词向量进行显著性计算；步骤3、根据显著性计算结果和对象时空上下文信息，训练多模态融合神经网络，提取视音频数据和词向量的属性语义信息；步骤4、根据对象时空上下文信息、属性语义信息和目标知识图谱的先验知识，采用认知计算和贝叶斯推理，得到目标场景中的目标语义信息。本发明能有效提升无人自主设备的智能化目标识别效果。
-
公开(公告)号：CN109241912A
公开(公告)日：2019-01-18
申请号：CN201811046842.5
申请日：2018-09-08
Applicant: 河南大学
Abstract: 本发明提供一种面向无人自主系统的基于类脑跨媒体智能的目标识别方法。该方法包括：步骤1、获取无人自主系统采集到的目标场景的视音频数据，对所述视音频数据进行预处理，提取所述视音频数据中的语言文字，将所述语言文字采用分布式表示，得到词向量；步骤2、结合对象时空上下文信息，对预处理后的视音频数据和词向量进行显著性计算；步骤3、根据显著性计算结果和对象时空上下文信息，训练多模态融合神经网络，提取视音频数据和词向量的属性语义信息；步骤4、根据对象时空上下文信息、属性语义信息和目标知识图谱的先验知识，采用认知计算和贝叶斯推理，得到目标场景中的目标语义信息。本发明能有效提升无人自主设备的智能化目标识别效果。
-
公开(公告)号：CN112231983A
公开(公告)日：2021-01-15
申请号：CN202011146347.9
申请日：2020-10-23
Applicant: 河南大学
Abstract: 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
-
-
Search Results
4
records
(took 0.017 seconds)
