申请/专利权人：厦门禾众汇智科技有限公司

申请日：2024-03-28

公开（公告）日：2024-06-25

公开（公告）号：CN117973230B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/13;G06F30/17;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明涉及多点频域振动响应预测领域，提供了一种多点频域振动响应预测方法、介质和设备。一种多点频域振动响应预测方法，包含协同注意力机制和多频率知识迁移学习，包括：使用协同注意力机制计算多辅助域的迁移权重进行有效迁移，同时操作多个输入序列，共同学习注意力权重，捕获输入之间的交互；通过协同注意力机制计算后得到的多辅助域的迁移权重辅助目标域训练，达到响应预测精度；其中，从第4个频率点开始，进行多频率知识迁移学习处理，将前3个频率点所训练的3个模型作为多个辅助域，迁移多个辅助域的参数权重到第4个频率点进行学习；第4个频率点的网络结构由3个具有相同神经元结构的、贡献不同程度的参数或知识的网络汇聚成。

主权项：1.一种多点频域振动响应预测方法，其特征在于，包含协同注意力机制和多频率知识迁移学习，包括：使用协同注意力机制计算多辅助域的迁移权重进行有效迁移，同时操作多个输入序列，共同学习注意力权重，捕获输入之间的交互；通过协同注意力机制计算后得到的多辅助域的迁移权重辅助目标域训练，达到响应预测精度；其中，从第4个频率点开始，进行多频率知识迁移学习处理，将前3个频率点所训练的3个模型作为多个辅助域，迁移多个辅助域的参数权重到第4个频率点进行学习；第4个频率点的网络结构由3个具有相同神经元结构的、贡献不同程度的参数或知识的网络汇聚成；所述网络的神经元结构中有多个辅助频率点，最小化优化预测效果的目标函数为： 其中，为最小化优化预测效果的目标函 数，为目标频率预测误差，为第个辅助频率点的训练误差，为迁移权重，为辅助频 率点的序号，即注意力机制计算所得，具体的优化目标为： 其中为预测的响应数目，，,为总的预测响应值，为总实际响应值，为第个辅助频率点的实际响应，为第个辅助频率点的预测响应；所述协同注意力机制为基于MMD_VD距离制作的注意力计算模式，所述MMD_VD距离是指最大均值差异距离，其中，将各个候选辅助源频率的迁移权重建模为注意力，然后进行求解评估每个辅助源频率的重要性，其中，注意力系数详细计算方式如下： 其中，表示编号为ω的频率点在第个辅助频率点的辅助频率，，表示第个辅助域的重要性，表示MMD_VD距离，而后使用函数对注意力系数正则化处理； 其中，作为第k个辅助源域的注意力权值，即迁移权重，用来表示不同辅助源频率的重要性。

全文数据：

权利要求：

百度查询： 厦门禾众汇智科技有限公司 一种多点频域振动响应预测方法、介质和设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD