公开(公告)号：CN118981695A

公开(公告)日：2024-11-19

申请号：CN202411475238.X

申请日：2024-10-22

Applicant: 南京信息工程大学

Inventor： 刘文杰 ,  王景宇

IPC: G06F18/2415 ,  G01W1/10 ,  G01W1/02 ,  G01W1/18 ,  G06F18/2431 ,  G06F18/2131 ,  G06N5/045 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明提供了一种基于可解释深度学习的天气预测方法，包括以下步骤：步骤1，对天气数据集进行数据预处理；步骤2，根据领先指标对预处理完成的数据进行对齐，建立天气预测模型，将天气数据集输入天气预测模型，对模型进行训练，得到初步天气预测结果，对预测结果进行细化；步骤3，基于天气预测模型完成可解释性分析；本发明方法显著提升了气象预测的准确性和模型的可解释性，为气象预测领域提供了一种创新、可靠的技术支持，有助于提高预测结果的可信度，增强决策者和公众对天气预报的信任。

公开(公告)号：CN119625238A

公开(公告)日：2025-03-14

申请号：CN202510170310.6

申请日：2025-02-17

Applicant: 南京信息工程大学

Inventor： 刘文杰 ,  王景宇

IPC: G06T19/20 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于旋转排列等变的量子图神经网络的3D图数据处理方法，包括：步骤1，建立旋转排列等变的量子图神经网络，包括旋转和排列等变模块、卷积和纠缠模块，以及几何解纠缠模块；旋转和排列等变模块用于处理几何信息，并保持量子图神经网络旋转和排列等变性；几何信息纠缠模块用于距离和角度纠缠；卷积和纠缠模块用于处理非几何信息；步骤2，将量子图神经网络用于3D图数据处理。本发明可以解决现有方法在处理三维图数据时的局限性，旋转对称性使得模型能够应对图数据在空间旋转下的变化，而排列对称性则保证了图的结构信息在不同节点排列下的一致性，通过此方式，本发明的模型能够更全面地理解和利用三维图数据中的几何信息。