申请/专利权人:哈尔滨工业大学(威海)
申请日:2023-11-16
公开(公告)日:2024-03-19
公开(公告)号:CN117237781B
主分类号:G06V10/80
分类号:G06V10/80;G06V10/82;G06N3/0442;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.03.19#授权;2024.01.02#实质审查的生效;2023.12.15#公开
摘要:本申请提供了一种基于注意力机制的双元素融合时空预测方法,其解决了现有的时空预测方法的预测精度不够的技术问题;包括使用双元素输入模块,对双元素数据进行标准化处理,消除数据各维度之间的数量级差异,使数据能够被缩放到标准区间范围;使用3D卷积模块,提取元素隐藏的时间和空间信息;使用注意力融合模块,融合双元素之间的时间和空间特征,并为预测的海洋要素重新分配特征权重;使用卷积长短期记忆模块,捕获时间序列依赖关系,转换生成目标长度的预测特征矩阵;使用单元素预测输出模块,将预测特征矩阵映射到输出空间,再通过反标准化,将预测结果可视化。本申请广泛应用于海洋要素时空预测技术领域。
主权项:1.一种基于注意力机制的双元素融合时空预测方法,其特征在于,包括:使用双元素输入模块,对双元素数据进行标准化处理,消除数据各维度之间的数量级差异,使数据能够被缩放到标准区间范围;使用3D卷积模块,提取元素隐藏的时间和空间信息;使用注意力融合模块,融合双元素之间的时间和空间特征,并为预测的海洋要素重新分配特征权重;使用卷积长短期记忆模块,捕获时间序列依赖关系,转换生成目标长度的预测特征矩阵;使用单元素预测输出模块,将预测特征矩阵映射到输出空间,再通过反标准化,将预测结果可视化;其中,双元素包括以SST作为的元素1,以SLA或SSW作为的元素2;所述注意力融合模块的实现过程包括:元素1通过维度置换Transpose,将数据的第1维和第4维置换,得到元素1的隐藏信息Hi;元素2通过连续的元素融合Add、relu激活函数、Conv3D_A单元、sigmoid激活函数和维度置换Transpose得到双元素的相关性特征权重;通过位置乘法Multiply计算相关性特征权重和隐藏信息Hi的逐元素间的乘积,得到元素1的新特征Xi,它的数据形状为1,40,rows,cols,timesteps。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学(威海) 一种基于注意力机制的双元素融合时空预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。