A novel local-global dependency deep learning model for soil mapping

程哥的一区文章

"A novel local-global dependency deep learning model for soil mapping" (Li 和 Zhang, 2022, pp. -) (pdf)

研究问题:"工 程 " discrete" 特征不能反映环境协变量 之间 的相 互作 用或 依赖 关系" (pdf)

预测的对象是土壤质地的预测。属于step1里面的对于变量的选择。

研究方法:

"设 计 了 一 种 协 变 量 重 组 方 法 来 生 成 多 组 输 入 ; 随 后 , 采 用 长 短 期 记 忆 模 型 (L S TM) 提 取 协 变 量 之 间 的 相 互 依 赖 关 系 。 最 后 , 使 用 全 连 接 层 生 成 预 测 。" (pdf)

然后根据r的相关性,选择排序最相关的,放进去。这个第一种方法,第二种方法是,最相关的a放最后,与a最相关的放最后第二···。

然后这个再根据相关性,比如协变量B,它的相关性就是BDEAC。将它重组之后的排序BDEAC和原始的的BCEDA进行全链接。进行土壤质地的预测。

研究区域:中国

数据集:"本研究的土壤质地数据来源于第二次全国土壤调查" (Li 和 Zhang, 2022, p. 5) (pdf) 🔤本研究的土壤质地数据来源于第二次全国土壤调查🔤

本文的贡献:

"1.提 出 一种 协变 量 重组 方法 , 在预 测模 型 中生 成多 组 输入 ,将 最相 关或次级相关的环境协变量放在相邻的位置。

2.采用多个 LST M 模型提取协变量之间的相互依赖关系,反映环境 协变量之间的相互作用,随后使用全连接层 (FCN)建立土壤性质与 环境协变量之间的关系。" (Li 和 Zhang, 2022, p. 4)

"3.进行 profile-to-profile 实验来评估所提出的模型,并将其与基于 RF 和 cnn 的模型在不同土壤深度下进行比较。

4.探 索 所提模型的不同结构对改善土壤纹理预测的影响。" (Li 和 Zhang, 2022, p. 4)

协变量相关性。

"我们假设如果相邻协变量之间不存在相 关 性, 它可能 会在 反向 传播过 程中 面临梯 度消 失问 题,并 进一 步影 响预测性能(Fei和 T an, 2018)。

为了缓解这个问题,提出了第二种重 组方法(称为 LGD-LST M)。我们还将最相关的协变量 (简称 A)放在 了 这个 方法的 最后 一个 维度。

我们 没有选 择第 二个 相关的 协变 量, 而是与 A 计算其他协变量中最相关的一个,并将其放置在倒数第二 个 维度 。依次 类推 其他 协变量 。

通 过这种 方式 ,我 们希望 确保 相邻 的 协 变 量 既具有相关 性,又能缓解 梯度消失问题 。" (Li 和 Zhang, 2022, p. 9)

评估指标:

R2,Rmse,KGE

还做了不确定性分析。

总结:

  • 预测的对象是土壤质地的预测。属于landbench里step1里面的对于变量的选择。
  • 设 计 了 一 种 协 变 量 重 组 方 法 来 生 成 多 组 输 入 ; 随 后 , 采 用 长 短 期 记 忆 模 型 (L S TM) 提 取 协 变 量 之 间 的 相 互 依 赖 关 系 。 最 后 , 使 用 全 连 接 层 生 成 预 测
相关推荐
pen-ai13 分钟前
【NLP】15. NLP推理方法详解 --- 动态规划:序列标注,语法解析,共同指代
人工智能·自然语言处理·动态规划
Chaos_Wang_20 分钟前
NLP高频面试题(二十九)——大模型解码常见参数解析
人工智能·自然语言处理
Acrelhuang27 分钟前
8.3MW屋顶光伏+光储协同:上海汽车变速器低碳工厂的能源革命-安科瑞黄安南
大数据·数据库·人工智能·物联网·数据库开发
区块链蓝海27 分钟前
沉浸式体验测评|AI Ville:我在Web3小镇“生活”了一周
人工智能·web3·生活
whaosoft-14342 分钟前
51c自动驾驶~合集15
人工智能
花楸树43 分钟前
前端搭建 MCP Client(Web版)+ Server + Agent 实践
前端·人工智能
用户87612829073741 小时前
前端ai对话框架semi-design-vue
前端·人工智能
量子位1 小时前
稚晖君刚挖来的 90 后机器人大牛:逆袭履历堪比爽文男主
人工智能·llm
量子位1 小时前
200 亿机器人独角兽被曝爆雷,官方回应来了
人工智能·llm
机器之心1 小时前
细节厘米级还原、实时渲染,MTGS方法突破自动驾驶场景重建瓶颈
人工智能