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。