買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉夏萃慧申請(qǐng)的專利一種基于雙重注意力機(jī)制的建模方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119720785B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411854795.2，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)一種基于雙重注意力機(jī)制的建模方法是由夏萃慧設(shè)計(jì)研發(fā)完成，并于2024-12-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于雙重注意力機(jī)制的建模方法在說明書摘要公布了：本申請(qǐng)公開了一種基于雙重注意力機(jī)制的建模方法，將四維張量作為輸入數(shù)據(jù)；通過深度卷積長(zhǎng)短期記憶網(wǎng)絡(luò)提取所述輸入數(shù)據(jù)的時(shí)空特征，對(duì)輸入的每個(gè)特征通道分別應(yīng)用ConvLSTM2D層，并在特征維度上進(jìn)行拼接；將時(shí)間分布的空間注意力和特征注意力集成到深度學(xué)習(xí)框架，通過時(shí)間分布的Flatten層將每個(gè)時(shí)間步的空間特征展開為一維向量；將所述一維向量應(yīng)用全局平均池化層在時(shí)間維度上對(duì)特征進(jìn)行聚合；通過輸出層預(yù)測(cè)目標(biāo)值。本發(fā)明通過利用雙重注意力機(jī)制，針對(duì)隨時(shí)間變化的重要空間位置和特征利用算法建模，無需預(yù)分析數(shù)據(jù)的優(yōu)勢(shì)，提高多個(gè)時(shí)空?qǐng)鼍跋碌念A(yù)測(cè)準(zhǔn)確性、可解釋性和泛化能力。

本發(fā)明授權(quán)一種基于雙重注意力機(jī)制的建模方法在權(quán)利要求書中公布了：1.一種基于雙重注意力機(jī)制的建模方法，其特征在于， 模型架構(gòu)在水文模擬中的應(yīng)用處理各種網(wǎng)格化格點(diǎn)化的陸地表面數(shù)據(jù)，包括輻射、蒸發(fā)、徑流、溫度、積雪深度變量； a將四維張量作為輸入數(shù)據(jù)； 通過DepthwiseConvLSTM2D層處理陸地表面數(shù)據(jù)，能夠捕捉輸入數(shù)據(jù)中的空間和時(shí)間依賴關(guān)系，通過融合雙重注意力機(jī)制來增強(qiáng)性能； b通過深度卷積長(zhǎng)短期記憶網(wǎng)絡(luò)提取所述輸入數(shù)據(jù)的時(shí)空特征，對(duì)輸入的每個(gè)特征通道分別應(yīng)用ConvLSTM2D層，并在特征維度上進(jìn)行拼接； TimeDistributedSpatialAttention層能夠識(shí)別在每個(gè)時(shí)間步中，網(wǎng)格中哪些空間位置具有重要影響；輸出加權(quán)后的空間數(shù)據(jù)以及相應(yīng)的注意力權(quán)重，使模型能夠?qū)Ｗ⒂谧钕嚓P(guān)的區(qū)域；FeatureWiseAttention層幫助識(shí)別每個(gè)環(huán)境特征，包括溫度、降水量或積雪深度在時(shí)間上的重要性； c將時(shí)間分布的空間注意力和特征注意力集成到深度學(xué)習(xí)框架，所述時(shí)間分布的空間注意力通過對(duì)輸入數(shù)據(jù)在時(shí)間維度上使用時(shí)間分布包裝的二維卷積層計(jì)算空間注意力權(quán)重，所述特征注意力機(jī)制通過對(duì)輸入數(shù)據(jù)在時(shí)間維度上使用時(shí)間分布包裝的二維卷積層計(jì)算特征注意力權(quán)重； d通過時(shí)間分布的Flatten層將每個(gè)時(shí)間步的空間特征展開為一維向量； e將所述一維向量應(yīng)用全局平均池化層在時(shí)間維度上對(duì)特征進(jìn)行聚合； f通過輸出層預(yù)測(cè)目標(biāo)值； 所述空間注意力權(quán)重通過對(duì)每個(gè)時(shí)間步的輸入數(shù)據(jù)進(jìn)行卷積操作并應(yīng)用sigmoid激活函數(shù)計(jì)算得到，計(jì)算空間注意力權(quán)重的公式為： 其中，Conv2D為二維卷積操作，填充方式為"same"，σ為sigmoid激活函數(shù)，為時(shí)間步數(shù)t的輸入； 所述特征注意力權(quán)重通過對(duì)每個(gè)時(shí)間步的輸入數(shù)據(jù)進(jìn)行1×1卷積操作并應(yīng)用softmax激活函數(shù)計(jì)算得到，其中，計(jì)算特征注意力權(quán)重的公式為： 其中，e為自然常數(shù)，表示softmax的輸入值，求和操作在每個(gè)空間位置i,j的所有通道C上進(jìn)行，確保在每個(gè)空間位置i,j上，所有特征的注意力權(quán)重之和為1： 即softmax函數(shù)沿通道維度k進(jìn)行歸一化，這意味著確保了在某一時(shí)間步t和空間位置i,j上，所有特征通道的注意力權(quán)重分布按比例分布的； 所述全局平均池化層在時(shí)間維度上對(duì)特征進(jìn)行聚合實(shí)現(xiàn)公式為： 模型的訓(xùn)練過程使用均方誤差作為損失函數(shù)，并使用自適應(yīng)矩估計(jì)優(yōu)化器進(jìn)行優(yōu)化； 損失函數(shù)如下： 其中，N為樣本數(shù)量，y為真實(shí)值，為預(yù)測(cè)值； 模型的輸出包括三個(gè)部分：水文預(yù)測(cè)結(jié)果、空間注意力權(quán)重和特征注意力權(quán)重。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人夏萃慧，其通訊地址為：100000 北京市朝陽區(qū)林萃路16號(hào)院3號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。