-
公开(公告)号:CN117575111A
公开(公告)日:2024-02-20
申请号:CN202410061794.6
申请日:2024-01-16
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06Q50/02 , G06V10/82 , G06V20/10
Abstract: 本发明属于农业遥感图像处理技术领域,具体是一种基于迁移学习的农业遥感图像时空序列预测方法,该方法包括:从农业遥感设备收集农作物产量相关的数据作为数据集;对数据集进行清洗和预处理;利用Transformer架构的自注意力机制来处理时空数据;进行迁移学习,利用之前预训练的模型权重作为初始权重进行训练;构建一个网络输出层,用于输出预测农作物产量的相关信息;根据具体的应用需求,对预测结果进行必要的后处理。本发明结合了迁移学习和Transformer自注意力机制,特别是利用了Transformer架构在处理时空序列数据上的优势,来预测农作物的产量,具有更快地训练模型并提高预测精度的优点。
-
公开(公告)号:CN117253044A
公开(公告)日:2023-12-19
申请号:CN202311334268.4
申请日:2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域,具体提供了一种基于半监督交互学习的农田遥感图像分割方法,本发明设计了一种半监督交互学习的农田遥感图像分割方法,首先通过交互学习,CNN和Transformer相互协作,通过对无标签数据进行自监督训练,相互传递像素局部特征和全局特征,减少标注数据的需求,同时有效避免了现有两类方法可能存在的缺点;其次在CNN中引入方向性对比损失函数,通过对有标签数据进行全监督训练,保证图片中具有相同身份特征在不同场景下的一致性,进而提升模型泛化能力和鲁棒性。
-
公开(公告)号:CN117253044B
公开(公告)日:2024-05-24
申请号:CN202311334268.4
申请日:2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域,具体提供了一种基于半监督交互学习的农田遥感图像分割方法,本发明设计了一种半监督交互学习的农田遥感图像分割方法,首先通过交互学习,CNN和Transformer相互协作,通过对无标签数据进行自监督训练,相互传递像素局部特征和全局特征,减少标注数据的需求,同时有效避免了现有两类方法可能存在的缺点;其次在CNN中引入方向性对比损失函数,通过对有标签数据进行全监督训练,保证图片中具有相同身份特征在不同场景下的一致性,进而提升模型泛化能力和鲁棒性。
-
公开(公告)号:CN117575111B
公开(公告)日:2024-04-12
申请号:CN202410061794.6
申请日:2024-01-16
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06Q50/02 , G06V10/82 , G06V20/10
Abstract: 本发明属于农业遥感图像处理技术领域,具体是一种基于迁移学习的农业遥感图像时空序列预测方法,该方法包括:从农业遥感设备收集农作物产量相关的数据作为数据集;对数据集进行清洗和预处理;利用Transformer架构的自注意力机制来处理时空数据;进行迁移学习,利用之前预训练的模型权重作为初始权重进行训练;构建一个网络输出层,用于输出预测农作物产量的相关信息;根据具体的应用需求,对预测结果进行必要的后处理。本发明结合了迁移学习和Transformer自注意力机制,特别是利用了Transformer架构在处理时空序列数据上的优势,来预测农作物的产量,具有更快地训练模型并提高预测精度的优点。
-
公开(公告)号:CN119028431B
公开(公告)日:2024-12-31
申请号:CN202411514743.0
申请日:2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域,具体是一种基于深度学习和长读测序的SNP和INDEL检测方法,包括:对待检测数据进行第一预处理,生成第一叠加图像,将第一叠加图像作为SNP检测模型的输入,输出得到SNP的VCF文件;对待检测数据进行第二预处理,生成第二叠加图像,将第二叠加图像作为INDEL检测模型的输入,输出得到INDEL的VCF文件;利用基于R语言的VcfR数据处理工具,对所得到的VCF文件中的数据进行变异检测和处理,得到基因组上的变异检测结果;使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术,能够解决传统方法在灵活性与泛化能力、计算效率上的低性能,以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
公开(公告)号:CN119172373A
公开(公告)日:2024-12-20
申请号:CN202410722670.8
申请日:2024-06-05
Applicant: 安徽农业大学
IPC: H04L67/06 , H04L67/141 , H04L67/10
Abstract: 本发明公开了一种多类型快速检测设备数据上传方法,涉及数据传输领域,包括获取仪器信息,其中,仪器信息包括检测站、厂家与对应的仪器型号,基于仪器端设定对应的需求数据,将需求数据对应仪器端进行信息绑定;建立仪器端与云服务器之间的上传通道,基于上传通道将仪器端中的需求数据上传至云服务器;在传输需求数据的过程中分析传输过程中的安全状态,将不满足预设条件的安全状态对应的需求数据作为异常数据进行拦截。本发明完成对需求数据的收集,且能够便于对每家设备进行实时的管理,避免检测数据混乱,做到精确定位到哪个检测站监测的数据,哪个设备上传的数据,做到检测数据来源可查。
-
公开(公告)号:CN119028431A
公开(公告)日:2024-11-26
申请号:CN202411514743.0
申请日:2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域,具体是一种基于深度学习和长读测序的SNP和INDEL检测方法,包括:对待检测数据进行第一预处理,生成第一叠加图像,将第一叠加图像作为SNP检测模型的输入,输出得到SNP的VCF文件;对待检测数据进行第二预处理,生成第二叠加图像,将第二叠加图像作为INDEL检测模型的输入,输出得到INDEL的VCF文件;利用基于R语言的VcfR数据处理工具,对所得到的VCF文件中的数据进行变异检测和处理,得到基因组上的变异检测结果;使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术,能够解决传统方法在灵活性与泛化能力、计算效率上的低性能,以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
公开(公告)号:CN117076653B
公开(公告)日:2024-01-02
申请号:CN202311340689.8
申请日:2023-10-17
Applicant: 安徽农业大学
IPC: G06F16/332 , G06N5/04 , G06F16/33
Abstract: 本发明适用于知识库问答技术领域,提供了基于思维链及可视化提升上下文学习知识库问答方法,包括以下步骤:在知识库中检索与需查询问题相似的示例;对所述相似的示例和所述需查询问题一并利用思维链产生逻辑推理过程;利用CodeGeex2模型学习所述逻辑推理过程后,生成需查询问题的逻辑形式;获取所述用户勘误后的逻辑形式,在知识库中对需查询问题进行知识抽取、实体绑定与关系绑定,利用多数票策略来确定需查询问题的答案,并将答案输出给用户。本发明在模型生成逻辑形式前引入思考链,利用符号内存提高大语言模型的复杂问题多跳推理能力,先针对示例用思维链进行推理回答,再利用模型来生成逻辑形式的模板,能够提高答案推
-
公开(公告)号:CN117076653A
公开(公告)日:2023-11-17
申请号:CN202311340689.8
申请日:2023-10-17
Applicant: 安徽农业大学
IPC: G06F16/332 , G06N5/04 , G06F16/33
Abstract: 本发明适用于知识库问答技术领域,提供了基于思维链及可视化提升上下文学习知识库问答方法,包括以下步骤:在知识库中检索与需查询问题相似的示例;对所述相似的示例和所述需查询问题一并利用思维链产生逻辑推理过程;利用CodeGeex2模型学习所述逻辑推理过程后,生成需查询问题的逻辑形式;获取所述用户勘误后的逻辑形式,在知识库中对需查询问题进行知识抽取、实体绑定与关系绑定,利用多数票策略来确定需查询问题的答案,并将答案输出给用户。本发明在模型生成逻辑形式前引入思考链,利用符号内存提高大语言模型的复杂问题多跳推理能力,先针对示例用思维链进行推理回答,再利用模型来生成逻辑形式的模板,能够提高答案推理与错误分析能力。
-
-
-
-
-
-
-
-