龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江南大学
摘要：一种基于非平稳特征聚焦LSTM网络模型的有害藻类水华时空预测方法，属于时空预测领域，HabLSTM网络由多个HabLSTM单元堆叠而成，每个单元都包含一个隐藏状态空间差分块HSSD和一个联合状态时间差分块CSTD；HSSD块利用门控机制和隐藏状态的差异来生成相邻帧之间的差分特征，通过控制HabLSTM单元中隐藏状态的特征更新，引导网络学习短期非平稳特征；CSTD块利用门控机制和联合状态的差异来生成当前输入序列的差分特征，通过控制HabLSTM单元中记忆状态的特征更新，引导网络学习长期非平稳特征；这两种差分特征共同引导HabLSTM网络聚焦于学习非平稳时空特征，来对有害藻类水华进行时空预测。
主权项：1.一种基于非平稳特征聚焦LSTM网络模型的有害藻类水华时空预测方法，其特征在于，具体如下：步骤1、构建基于非平稳特征聚焦LSTM网络模型；所述的非平稳特征聚焦LSTM网络模型包括：1生成隐藏状态的差异特征的隐藏状态空间差分块HSSD，用于捕捉相邻数据帧之间的剧烈变化，学习湖泊有害藻类水华HAB的短期时空变化趋势；2生成组合状态的差异特征的组合状态时间差分块CSTD，用于挖掘当前序列中有用的长期非平稳依赖关系，并学习湖泊HAB的长期时空变化趋势；3将CSTD和HSSD整合，生成非平稳特征聚焦HabLSTM网络单元；4非平稳特征聚焦HabLSTM网络单元堆叠组成非平稳特征聚焦LSTM网络模型，非平稳特征聚焦LSTM网络模型中输入长度为J的历史记录序列来预测可能性最高的长度为K的未来序列；步骤2、训练基于非平稳特征聚焦LSTM网络模型；步骤3、使用基于非平稳特征聚焦LSTM网络模型进行有害藻类水华时空预测。
全文数据：
权利要求：
百度查询： 江南大学 一种基于非平稳特征聚焦LSTM网络模型的有害藻类水华时空预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号