申请/专利权人：蔡宏伟;周长库

申请日：2023-12-21

公开（公告）日：2024-03-22

公开（公告）号：CN117743827A

主分类号：G06F18/213

分类号：G06F18/213;G06N3/0442;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开一种基于量化蒸馏的风速预测方法，涉及风速预测技术领域，采用BiLSTM‑LightGBM混合模型为教师模型，LSTM神经网络模型作为学生模型；教师模型的主体由一个三层的BiLSTM神经网络特征提取模块和LightGBM预测模块组成，学生模型结构由两层LSTM堆叠构成，并结合Dropout层防止模型过拟合。教师模型采用了BiLSTM‑LightGBM混合模型，使用深度学习和传统机器学习相结合的方法，利用其复杂的结构可以学习到风速数据的深层次规律和特征表示，并将教师模型所学习得到的软知识迁移至学生模型，使学生模型可以借助教师模型的知识来提升自身的预测性能，从而达到接近教师模型的良好效果。

主权项：1.一种基于量化蒸馏的风速预测方法，其特征在于：包括：采用BiLSTM-LightGBM混合模型为教师模型，LSTM神经网络模型作为学生模型；所述教师模型的主体由一个三层的BiLSTM神经网络特征提取模块和LightGBM预测模块组成；所述学生模型结构由两层LSTM堆叠构成，并结合Dropout层防止模型过拟合，结合Dense层作为全连接输出层，输出最终的预测结果；通过构建教师模型来学习风速数据的深层次规律，输出预测值为软标签，并结合硬标签一同训练量化的两层LSTM模型；知识蒸馏、通过优化蒸馏损失函数，将教师模型的软知识传递给参数更少、运行速度更快的学生模型，实现教师模型对学生模型知识的传递。

全文数据：

权利要求：

百度查询： 蔡宏伟;周长库 一种基于量化蒸馏的风速预测方法

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