-
公开(公告)号：CN115113303A
公开(公告)日：2022-09-27
申请号：CN202210703932.7
申请日：2022-06-21
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于元学习的厄尔尼诺极端天气预警方法及装置，包括：设计全局引导的注意力机制引导低层特征的学习，并利用互信息约束加强不同层级海洋特征的表征一致性，将多层级海洋特征拼接为全局特征，利用该全局特征对厄尔尼诺指数进行预测；对每个元训练任务，利用元学习算法对多层级厄尔尼诺指数预测网络进行参数训练，得到能够处理不同时期数据，且有适应能力的网络参数；以元训练阶段优化好的参数作为初始化参数，在SODA数据集上对多层级厄尔尼诺指数预测网络进行进一步微调；在GODAS数据集上进行最终厄尔尼诺指数预测；建立最终厄尔尼诺指数与降雨量的映射函数，当预测降雨量达到一定阈值时进行预警并提前进行汛期防治工作。
-
公开(公告)号：CN115016041A
公开(公告)日：2022-09-06
申请号：CN202210948017.4
申请日：2022-08-09
Applicant: 中国科学院自动化研究所 , 青岛海洋科学与技术国家实验室发展中心 , 天津大学
Abstract: 本发明提供一种台风强度确定方法、装置、电子设备及存储介质，该方法涉及人工智能技术领域，包括：获取台风图像；将台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；基于台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；基于先验知识信息和属性信息，确定目标台风的隐式特征；基于图像特征和所述隐式特征，确定目标台风的强度。本发明提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，提升了台风强度确定的准确率。
-
公开(公告)号：CN114724012B
公开(公告)日：2022-08-23
申请号：CN202210651501.0
申请日：2022-06-10
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G01W1/10
Abstract: 本发明公开了一种基于时空跨尺度注意力融合热带不稳定波预警方法及装置，方法包括：将多尺度空间数据输入对应的分支网络进行相应尺度下特征图的计算，并计算正则化损失；将多尺度特征图利用双边局部注意力机制实现跨尺度空间图融合，生成全局特征描述图计算预测损失，并将预测损失与正则化损失联合用于神经网络的优化训练；基于优化训练后的神经网络对时刻T的海表温度进行预测，选择T时刻之前的K个时刻数据输入优化训练后的神经网络，该优化训练后的神经网络的输出为热带不稳定波的预测值，通过将预测值与坐标关联，绘制热带不稳定波的时空图像，实现对热带不稳定波的预警。装置包括：处理器和存储器。本发明对热带不稳定波的高效预警，减少了自然灾害。
-
公开(公告)号：CN114692788B
公开(公告)日：2022-08-19
申请号：CN202210611385.X
申请日：2022-06-01
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于增量学习的厄尔尼诺极端天气预警方法及装置，方法包括：基于增量训练，即使用一多尺度特征频域蒸馏技术，选择性地约束多尺度特征低频分量的漂移，记忆并行卷积神经网络在旧任务中学到的知识；使用一多尺度特征自适应融合技术，根据输入多尺度数据不同的时间跨度，自适应学习不同的融合参数，增强对新任务的学习能力；自适应融合后的特征通过全连接层，输出反映厄尔尼诺现象变化规律的Nino3.4指数，建立极端降雨概率的映射函数，预测值超过阈值则进行暴雨预警并提前开展输电线路暴雨防治工作。装置包括：处理器和存储器。本发明可以有效的提升增量的厄尔尼诺现象下降雨量预测的准确度，减轻自然灾害。
-
公开(公告)号：CN111210870A
公开(公告)日：2020-05-29
申请号：CN201911376845.X
申请日：2019-12-27
Applicant: 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种蛋白质分类方法，包括如下步骤：将蛋白质三维模型置入N*N*N大小的体素占据网格；对所述体素占据网格投射N*N条射线，每条射线通过N个体素的中心；基于射线与蛋白质三维模型的相交情况构建占据模型；将所述占据模型通过三维卷积神经网络实现对蛋白质的分类；采用体素占据网格实现对蛋白质结构的体积表示，从原始蛋白质体积数据中利用机器学习为蛋白质创建快速准确的分类器，对蛋白质数据集实现了高速高精度的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN114692788A
公开(公告)日：2022-07-01
申请号：CN202210611385.X
申请日：2022-06-01
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于增量学习的厄尔尼诺极端天气预警方法及装置，方法包括：基于增量训练，即使用一多尺度特征频域蒸馏技术，选择性地约束多尺度特征低频分量的漂移，记忆并行卷积神经网络在旧任务中学到的知识；使用一多尺度特征自适应融合技术，根据输入多尺度数据不同的时间跨度，自适应学习不同的融合参数，增强对新任务的学习能力；自适应融合后的特征通过全连接层，输出反映厄尔尼诺现象变化规律的Nino3.4指数，建立极端降雨概率的映射函数，预测值超过阈值则进行暴雨预警并提前开展输电线路暴雨防治工作。装置包括：处理器和存储器。本发明可以有效的提升增量的厄尔尼诺现象下降雨量预测的准确度，减轻自然灾害。
-
公开(公告)号：CN115016041B
公开(公告)日：2022-10-28
申请号：CN202210948017.4
申请日：2022-08-09
Applicant: 中国科学院自动化研究所 , 青岛海洋科学与技术国家实验室发展中心 , 天津大学
Abstract: 本发明提供一种台风强度确定方法、装置、电子设备及存储介质，该方法涉及人工智能技术领域，包括：获取台风图像；将台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；基于台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；基于先验知识信息和属性信息，确定目标台风的隐式特征；基于图像特征和所述隐式特征，确定目标台风的强度。本发明提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，提升了台风强度确定的准确率。
-
公开(公告)号：CN114913400A
公开(公告)日：2022-08-16
申请号：CN202210575115.8
申请日：2022-05-25
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于知识蒸馏的海洋大数据协同表示的预警方法及装置，方法包括：构造用于提取不同尺度的输入数据特征的多尺度自注意力网络，作为知识蒸馏的教师网络，分别用于预测TIWs任务以及ENSO任务；构造一单尺度网络用于预测TIWs以及ENSO任务，作为知识蒸馏的学生网络，分别利用多尺度教师网络提取两个任务数据的不同尺度的SST图的特征序列，并将特征序列聚合后连接到学生网络的主干卷积层中，进行基于特征序列的知识蒸馏；获取训练后的学生网络；基于训练后的学生网络对ENSO、TIWs现象进行预测，当超过相应的阈值时，进行ENSO、TIWs现象的预警，减少ENSO、TIWs灾难的发生。装置包括：处理器和存储器。本发明提高了TIWs和ENSO的预警精度，减少了灾难性的发生。
-
公开(公告)号：CN114724012A
公开(公告)日：2022-07-08
申请号：CN202210651501.0
申请日：2022-06-10
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G01W1/10
Abstract: 本发明公开了一种基于时空跨尺度注意力融合热带不稳定波预警方法及装置，方法包括：将多尺度空间数据输入对应的分支网络进行相应尺度下特征图的计算，并计算正则化损失；将多尺度特征图利用双边局部注意力机制实现跨尺度空间图融合，生成全局特征描述图计算预测损失，并将预测损失与正则化损失联合用于神经网络的优化训练；基于优化训练后的神经网络对时刻T的海表温度进行预测，选择T时刻之前的K个时刻数据输入优化训练后的神经网络，该优化训练后的神经网络的输出为热带不稳定波的预测值，通过将预测值与坐标关联，绘制热带不稳定波的时空图像，实现对热带不稳定波的预警。装置包括：处理器和存储器。本发明对热带不稳定波的高效预警，减少了自然灾害。
-
公开(公告)号：CN111325221A
公开(公告)日：2020-06-23
申请号：CN202010117286.7
申请日：2020-02-25
Applicant: 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于图像深度信息的图像特征提取方法，包括以下步骤：多流深度网络模型训练步骤，所述多流深度网络模型由样本图像的 个模态训练形成，为不小于2的整数，所述模态至少包括图像的平面模态和三维结构模态；提取待处理图像的所述 个模态的信息；将待处理图像的 个模态的信息输入至所述多流深度网络进行融合处理，输出得到待处理图像的深度图像融合特征。本发明利用多流深度网络，整合图片的多种信息，至少包括平面模态信息和三维结构模态信息两种不同类型的信息，使得对立体模型的描述更加全面，进而对深度图像的描述更加全面，在图片特征提取方面更加丰富和准确，可重复性好，所提取的特征对图像的表征能力好。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.036 seconds)
