龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨工业大学
摘要：本发明提出一种用于动态脉冲星数据分析的增量学习方法和系统。用于改进脉冲星识别的准确性和效率，并解决脉冲星候选数据中的数据漂移问题。首先，通过多源数据集成和特征工程技术对脉冲星数据进行预处理，以提取关键特征并增强模型的输入质量。接着，利用初始贝叶斯神经网络进行基础模型训练，确保模型在多种数据环境下的适应性和稳定性。为了应对数据动态变化的挑战，本发明采用增量学习策略，使模型能够在接收新数据时实时更新，不需要重新训练整个网络，从而显著提高学习效率和实时性。此外，通过引入模型不确定性评估，进一步优化和调整模型参数，确保识别过程的准确性与可靠性。
主权项：1.一种用于动态脉冲星数据分析的增量学习方法，其特征在于，所述方法包括：S1：分析脉冲星数据集，确定存在数据漂移问题；S2：采用权重调整技术，处理因非脉冲星候选数据过多而导致的潜在数据不平衡问题；S3：将模型中的神经网络替换为贝叶斯神经网络，捕捉数据的不确定性并增强模型的鲁棒性；S4：设计增量学习模型，允许增量学习模型在接收新数据时动态调整，通过后验分布更新来适应新数据集，而不需从头开始训练；S5：增量学习模型采用多模态结构，以贝叶斯神经网络为基础，并结合自适应重放机制融入当前任务的增量学习模型训练中，使增量学习模型能够利用先前任务的知识，增强处理新任务时的准确性和稳定性。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 一种用于动态脉冲星数据分析的增量学习方法和系统
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