资料延伸方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种资料延伸方法、装置及电子设备，所述方法包括：将原始观测图像资料分成N个级别，得到当前时刻每个级别所对应的分级图像资料；利用深度神经网络基于每个级别的分级图像资料进行延伸，得到下一时刻每个级别所对应的延伸资料，深度神经网络以预设的策略神经网络输出的权重系数作为输入，权重系数使深度神经网络的网络状态价值最大；对N个级别所对应的延伸资料进行图像合成，重构出下一时刻的延伸观测图像资料，达到能够利用使深度神经网络的网络状态价值最大的权重系数配置深度神经网络，并利用配置后的深度神经网络延伸残差最小情况下的延伸资料，最终重构出下一时刻的延伸观测图像资料，提高延伸精确度的技术效果。

Data Extension Method, Device and Electronic Equipment

The present invention provides a data extension method, device and electronic equipment. The method includes: dividing the original observed image data into N levels to obtain the corresponding graded image data at each level at the current time; extending the graded image data at each level based on the depth neural network to obtain the corresponding extended data at each level at the next time, the depth neural network. The weighting coefficients of the preset output of the strategic neural network are used as input to maximize the state value of the deep neural network. The extended data corresponding to N levels are synthesized to reconstruct the extended observation image data at the next moment so as to configure the deep neural network with the weighting coefficients that maximize the state value of the deep neural network. Finally, the extended observation image data at the next moment is reconstructed by using the extended data with the minimum residual of the deployed depth neural network, which improves the technical effect of the extension accuracy.

【技术实现步骤摘要】
资料延伸方法、装置及电子设备
本专利技术涉及资料延伸
，尤其是涉及一种资料延伸方法、装置及电子设备。
技术介绍
现有预报系统的优势主要采用了机器学习和强化学习等方法，建立了资料分析系统、强化预报系统和预报分析系统等子系统，相对于原有单一的数值预报模式，最大程度上强化了预报系统的功能。资料分析系统增加了数值模式初始场的准确度，强化预报系统增加了预报模式的准确度，预报分析系统增加了预报资料的准确度。然而，由于数值预报模式的初始场和数值预报模式自身的不确定性，现有预报系统自身误差较大，预报资料精度不高。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种资料延伸方法、装置及电子设备，以缓解现有技术中存在的误差较大的技术问题。第一方面，本专利技术实施例提供了一种资料延伸方法，包括：将原始观测图像资料按照图像属性分成N个级别，得到当前时刻每个级别所对应的分级图像资料，其中N大于等于1；利用预设的深度神经网络基于每个级别的所述分级图像资料进行延伸，得到下一时刻每个级别所对应的延伸资料，所述深度神经网络以预设的策略神经网络输出的权重系数作为输入，所述权重系数使所述深度神经网络的网络状态价值最大本文档来自技高网...

【技术保护点】
1.一种资料延伸方法，其特征在于，包括：将原始观测图像资料按照图像属性分成N个级别，得到当前时刻每个级别所对应的分级图像资料，其中N大于等于1；利用预设的深度神经网络以每个级别的所述分级图像资料作为输入进行资料延伸，得到下一时刻每个级别所对应的延伸资料，所述深度神经网络的权重系数使用预设的策略神经网络输出的权重系数，所述权重系数使所述深度神经网络的网络状态价值最大；对N个级别所对应的延伸资料进行图像合成，重构出下一时刻的延伸观测图像资料。

【技术特征摘要】
1.一种资料延伸方法，其特征在于，包括：将原始观测图像资料按照图像属性分成N个级别，得到当前时刻每个级别所对应的分级图像资料，其中N大于等于1；利用预设的深度神经网络以每个级别的所述分级图像资料作为输入进行资料延伸，得到下一时刻每个级别所对应的延伸资料，所述深度神经网络的权重系数使用预设的策略神经网络输出的权重系数，所述权重系数使所述深度神经网络的网络状态价值最大；对N个级别所对应的延伸资料进行图像合成，重构出下一时刻的延伸观测图像资料。2.根据权利要求1所述的资料延伸方法，其特征在于，所述策略神经网络包括：价值评估网络和控制神经网络，所述价值评估网络用于评估所述深度神经网络的网络状态的价值，所述控制神经网络基于所述价值评估网络输出的价值及预设调整策略调整所述权重系数。3.根据权利要求2所述的资料延伸方法，其特征在于，所述策略神经网络用于基于预设的价值评估网络输出的价值调整所述权重系数，包括：当所述价值增大时，正向调整所述深度神经网络的权重系数，使所述深度神经网络的网络状态的价值增大；若所述价值减小时，反向调整所述神经网络的权重系数，使所述深度神经网络的网络状态的价值减小。4.根据权利要求2所述的资料延伸方法，其特征在于，所述控制神经网络的预设调整策略是RNN集群控制网络发送的，所述RNN集群控制网络用于基于所述价值评估网络输出的价值向所述控制神经网络输出调整策略。5.根据权利要求4所述的资料延伸方法，其特征在于，所述深度神经网络包括多个CNN神经网络，每个所述CNN神经网络与一个级别的分级图像资料对应，用于基于第N级的分级图像资料进...

【专利技术属性】
技术研发人员：吴忠元，
申请(专利权)人：中科赛诺北京科技有限公司，
类型：发明
国别省市：北京,11