10.16433/j.1673-2383.2023.03.014
基于宽度学习系统的仓储粮情风险点预测模型
及时的仓储粮情预测是保证储粮安全的必要手段.目前,传统预测方法多从某一侧面对仓储粮情进行预测,无法实现对仓储粮情风险的精准综合评估,而深度学习方法则存在着所需训练样本数量巨大、训练难度高、时间长等瓶颈问题.针对这一现状,采用基于宽度学习的特征提取与融合方法,以及基于增量学习的训练方法(增强节点和输入数据增量算法),结合粮情数据的多模态特征,在宽度学习系统现有框架的基础上,提出了基于宽度学习系统的粮情风险预测模型.结果表明,与现有深度学习模型相比,在不降低预测准确度的前提下,预测模型大大节省了模型训练时间,降低了训练难度.预测模型成为深度学习模型的一种有效替代方案.
粮情风险点、宽度学习系统、多模态数据、增量学习、典型相关性分析
44
TS210(食品工业)
教育部重点实验室开放基金;河南省高等学校重点科研项目;河南省高校青年骨干教师培育项目;河南工业大学青年骨干教师培育项目
2023-07-27（万方平台首次上网日期，不代表论文的发表时间）
共9页
104-112
