买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：一种商用车云端油品识别模型自适应更新方法，属于商用车网联大数据应用技术领域。本发明的目的是以尽可能降低流数据场景下模型因数据统计分布漂移导致的精度损失，旨在解决现有技术中一个或多个技术问题的商用车云端油品识别模型自适应更新方法。本发明的步骤是：离线准备阶段，基于离线收集的网联数据集对所设计方法框架中的网络进行训练，对其中的阈值进行标定；在线更新阶段，部署于云端的油品识别模型在每一个流数据批次完成识别功能后自适应更新模型的网络参数和阈值。本发明所提供的商用车云端油品识别模型自适应更新方法无需人因介入，模型参数随流数据批次和反馈标签自主更新，提升云端识别模型运维更新任务的效率和自动化水平。

主权项：1.一种商用车云端油品识别模型自适应更新方法，其特征在于：其步骤是：S1、离线准备阶段，基于离线收集的网联数据集对所设计方法框架中的网络进行训练，对其中的阈值进行标定；S2、在线更新阶段，部署于云端的油品识别模型在每一个流数据批次完成识别功能后自适应更新模型的网络参数和阈值；S21、正向执行一次油品识别模型，获得该批次油品识别结果和反馈标签Yt，保存该批次正常样本残差rt,nor和异常样本残差rt,ab；得到模型在云平台对第t批次数据Xt的油品识别结果，完成模型的识别功能；S22、依据反馈标签Yt，基于在线梯度下降算法更新神经网络，保存更新后的网络参数wt+1；S221、根据Yt筛选Xt中全部正常样本，根据损失函数计算当前批次中所有正常样本的损失lt 其中，yt和分别代表所选取特征的预测值和真实值，即重构网络的输出和真实之间的偏差；S222、计算当前批次梯度 其中指表示损失函数对权重矩阵第i行、第j列个元素的偏导数，n,m表示权重矩阵的维度；S223、以与ηt确定下降步长，进而对网络参数进行更新 其中，wt+1代表更新完毕后的网络参数；∏代表投影运算符号；学习率按下式设置： 其中k为可调节的比例因子，T代表当前批次序号；S23、更新正常样本残差集合Rt+1,nor和异常样本残差集合Rt+1,ab，基于阈值更新公式计算并保存更新后的阈值pt+1；初始条件包括：当前批次正常样本残差rt,nor和异常样本残差rt,ab，上一批次正常样本残差集合Rt,nor和异常样本残差集合Rt,ab，上一批次更新完毕的阈值pt；S231、更新正常样本残差集合Rt+1,nor和异常样本残差集合Rt+1,abRt+1,nor＝{Rt,nor,rt,nor}5Rt+1,ab＝{Rt,ab,rt,ab}6S232、分别计算两类样本的残差集合的均值变化量Δmnor和ΔmabΔmnor＝meanRt,nor-meanRt,nor7Δmab＝meanRt,ab-meanRt,ab8其中mean代表求均值函数；S232、以均值的变化量确定更新步长，基于阈值更新公式计算更新后的阈值pt+1pt+1＝pt+s1Δmnor+s2Δmab9其中s1和s2是可调因子。

全文数据：

权利要求：

百度查询： 吉林大学 商用车云端油品识别模型自适应更新方法