龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：同济大学
申请日：2024-03-27
公开（公告）日：2024-06-25
公开（公告）号：CN118246525A
主分类号：G06N3/0985
分类号：G06N3/0985;G01D18/00;G06N3/084;G06N3/045
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及一种可增长学习的多边缘感知器件自标定方法、装置及存储介质。该方法首先基于当前的标定环境，获取环境感知标定数据；其次基于当前的应用环境，获取各边缘感知器件的实时输出响应值；最后基于环境感知标定数据和实时上传的输出响应值，利用基于元学习和增量学习的标定模型将边缘感知器件的输出响应值转化为相应的感知物理量，完成自标定；标定模型的获取过程包括基于元学习的离线训练和基于增量学习的云服务器优化。与现有技术相比，本发明具有显著提升大量传感器标定的效率，具有自适应和持续优化等优点。
主权项：1.一种可增长学习的多边缘感知器件自标定方法，其特征在于，包括以下步骤：S1，基于当前的标定环境，获取环境感知标定数据；S2，基于当前的应用环境，获取各边缘感知器件的实时输出响应值；S3，基于所述环境感知标定数据和实时上传的输出响应值，利用基于元学习和增量学习的标定模型将所述边缘感知器件的输出响应值转化为相应的感知物理量，完成自标定，其中，所述标定模型的获取过程包括基于元学习的离线训练和基于增量学习的云服务器优化，所述离线训练的过程包括：S301，获取各边缘感知器件的离线输出响应值，以及与各离线输出响应值对应的标准参考值；S302，基于深度学习框架，利用所述离线输出响应值与所述标准参考值构建神经网络模型；S303，利用元学习算法训练所述神经网络模型，得到训练后的标定模型。
全文数据：
权利要求：
百度查询： 同济大学 可增长学习的多边缘感知器件自标定方法、装置及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号