面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组...面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。展开更多
为了充分利用特征间的高阶交互以提升点击率预测模型的预测精度,提出了一种基于图神经网络和注意力的点击率预测模型VBGA (vector-wise and bit-wise interaction model based on GNN and attention),该模型借助图神经网络和注意力机制...为了充分利用特征间的高阶交互以提升点击率预测模型的预测精度,提出了一种基于图神经网络和注意力的点击率预测模型VBGA (vector-wise and bit-wise interaction model based on GNN and attention),该模型借助图神经网络和注意力机制,为每个特征分别学习一个细粒度的权重,并将这种细粒度的特征权重输入到向量级交互层和元素级交互层联合预测点击率.VBGA模型主要由向量级交互层和元素级交互层构成,其中向量级交互层采用有向图来构建向量级的特征交互,实现无重复的显式特征交互,在减少计算量的同时,还可以实现更高阶的特征交叉,以获得更准确的预测精度.此外,本文还提出了一种交叉网络用于构建元素级特征交互.在Criteo和Avazu数据集上,与其他几种最先进的点击率预测模型进行了比较,实验结果表明,VBGA可以获得良好的预测结果.展开更多
文摘面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。
文摘为了充分利用特征间的高阶交互以提升点击率预测模型的预测精度,提出了一种基于图神经网络和注意力的点击率预测模型VBGA (vector-wise and bit-wise interaction model based on GNN and attention),该模型借助图神经网络和注意力机制,为每个特征分别学习一个细粒度的权重,并将这种细粒度的特征权重输入到向量级交互层和元素级交互层联合预测点击率.VBGA模型主要由向量级交互层和元素级交互层构成,其中向量级交互层采用有向图来构建向量级的特征交互,实现无重复的显式特征交互,在减少计算量的同时,还可以实现更高阶的特征交叉,以获得更准确的预测精度.此外,本文还提出了一种交叉网络用于构建元素级特征交互.在Criteo和Avazu数据集上,与其他几种最先进的点击率预测模型进行了比较,实验结果表明,VBGA可以获得良好的预测结果.
