公开(公告)号：CN114372146A

公开(公告)日：2022-04-19

申请号：CN202210018303.0

申请日：2022-01-07

Applicant: 清华大学

Inventor： 黄小猛 ,  周峥 ,  徐康 ,  许立兵 ,  梁逸爽 ,  王冬

IPC: G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供了用于训练概念识别模型的方法和装置，以及识别概念的方法和装置。其中，用于训练概念识别模型的方法的一具体实施方式包括：获取训练样本集，训练样本包括目标领域的样本文本和样本文本所包含的目标领域概念词；基于主题模型，生成样本文本对应的样本主题表示；将样本文本、样本文本对应的样本主题表示、预设的提示模板和待训练的软提示作为预训练语言模型的输入，将与输入样本文本对应的目标领域概念词作为预训练语言模型的期望输出，对软提示进行调整，得到训练后的概念识别模型。

公开(公告)号：CN113191536A

公开(公告)日：2021-07-30

申请号：CN202110402502.7

申请日：2021-04-14

Applicant: 清华大学

Inventor： 黄小猛 ,  张博 ,  梁逸爽

IPC: G06Q10/04 ,  G01W1/10 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明实施例提供了一种近地面环境要素的预测模型的训练方法、和预测方法，训练包括：获取第一地区的遥感影像数据、气象监测数据、空气质量监测数据和环境数据；获取第一地区的近地面环境要素的监测值；生成训练样本，其中，训练样本中以遥感影像数据中的至少部分数据，和气象监测数据、空气质量监测数据和环境数据中的至少部分数据作为模型输入数据，以近地面环境要素的监测值作为标签值；使用训练样本训练近地面环境要素预测模型。

公开(公告)号：CN113837944A

公开(公告)日：2021-12-24

申请号：CN202111152642.X

申请日：2021-09-29

Applicant: 清华大学

Inventor： 黄小猛 ,  张博 ,  熊巍 ,  梁逸爽

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供了一种基于残差网络的DEM超分辨率方法和装置。该方法的一具体实施方式包括：首先，获取待处理DEM数据；然后，将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，其中，上述超分辨率模型用于将输入的DEM数据的分辨率提升上述预设倍数，其中，上述超分辨率模型包括残差网络。