申请/专利权人：北京理工大学

申请日：2023-12-05

公开（公告）日：2024-03-01

公开（公告）号：CN117634589A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/0442;G06N3/0495;G06N3/045;G06N3/042;G06F17/16;G06F18/213;G06F18/241

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了一种面向边缘工业安全巡检已知任务的模型更新方法，具体步骤为：已知任务新增样本特征提取→特征空间表示→构建新增样本特征记忆函数→奇异值分解→参数更新。考虑到增量学习过程中新数据特征对旧数据特征带来的特征偏移影响，出现学习新任务忘记旧任务的现象，本发明提出一种双层记忆映射的分段式增量学习方法，针对工况复杂的工业安全巡检任务，既可以实现对边缘新样本的任务识别，也可以保留原有样本或较少出现样本的任务识别。本发明提出一种参数压缩的正则器，可以提高网络参数的存储效率和增量学习的稳定性。相比于现有的增量模型更新方法，本发明能够缩减模型更新的请求次数和计算资源，在新增样本情况下提升模型泛化能力。

主权项：1.一种面向边缘工业安全巡检已知任务的模型更新方法，其特征在于，包括如下步骤：S1：利用记忆共享特征提取器提取已知任务中新类别的特征参数，并对工作记忆中的参数知识空间进行参数更新；S2：利用工作记忆模块根据核心知识空间的模式底座进行已知任务中新类别的知识学习，并将学习到的新知识存储到参数知识空间；S3：添加与保存的奇异值对应的模式底座，将更新后的模式底座映射到核心知识空间；S4：利用长期记忆模块学习知识映射，并将学习到的所有知识存储下来。

全文数据：

权利要求：

百度查询： 北京理工大学 一种面向边缘工业安全巡检已知任务的模型更新方法

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