期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多模态特征融合的太阳耀斑预报模型
1
作者 李蓉 吴颖智 +1 位作者 田奇辉 黄鑫 《中国科学：物理学、力学、天文学》 CSCD 北大核心 2024年第12期215-226,共12页
本文提出了一种基于多模态特征融合的太阳耀斑预报模型STCNet,其输入为太阳光球纵向磁图及其对应的磁场特征参数.该模型旨在使用两者之间的关联信息,充分利用不同模态信息的互补性,以增加训练数据的多样性和丰富性.本文采用了层级式结... 本文提出了一种基于多模态特征融合的太阳耀斑预报模型STCNet,其输入为太阳光球纵向磁图及其对应的磁场特征参数.该模型旨在使用两者之间的关联信息,充分利用不同模态信息的互补性,以增加训练数据的多样性和丰富性.本文采用了层级式结构以及高效窗口化策略的Swin Transformer来处理太阳光球纵向磁图,在高效提取图片特征的同时减少计算复杂度,采用一维卷积神经网络对磁场特征参数进行特征提取,将两种模态的特征向量融合并输入全连接层进行分类.在主要评估指标中,STCNet模型的F1分数为0.2342、真实技巧统计(TSS)值为0.8251、发生耀斑报准率为0.9227、发生耀斑虚报率为0.0976、AUC值为0.96、模型准确率为90.27%.该模型拥有较高的报准率和较低的虚报率,其预测性能优于以太阳光球纵向磁图为输入的单模态Swin Trransformer模型、深度残差网络(Deep Residual Networks,ResNet)模型,以及与STCNet输入相同的多模态ResNet模型.在与现有文献研究的比较中,STCNet模型的TSS值也有着非常出色的表现. 展开更多
关键词 太阳耀斑预报 深度学习 多模态 Swin Transformer模型
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部