原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于对偶学习的气体浓度场插值与离散化方法，创新性地将对偶学习这一最新出现的机器学习范式引入大气科学领域。利用气体浓度场数据处理过程中采样‑插值这一对偶性任务的反馈关系，分别建立用于选择采样模式的离散化模型，和用于对离散型数据进行插值和滤波的插值模型，并利用两个模型间的反馈作用加快训练过程，提高模型的鲁棒性，降低训练模型需要的数据量。该方法可以仅凭较少的数据获得效果良好的一组对偶模型，尤其适用于在气体测量相关工作中，进行实测得到的离散型数据的插值连续化和滤波，也能用于选择气体测量工作
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117457112A
(43)申请公布日2024.01.26
(21)申请号202310878692.9
(22)申请日2023.07.18
(71)申请人中国计量大学
地址310018
文档评论（0）