申请/专利权人：嘉兴学院

申请日：2023-12-25

公开（公告）日：2024-04-16

公开（公告）号：CN117892170A

主分类号：G06F18/24

分类号：G06F18/24;G06N3/045;G06N3/096;G01N21/3586;G01N21/3563

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了基于太赫兹光谱的中药材分类增量学习方法，首先，对采集的原始数据通过原始模型进行训练，获得原始模型；其次，采集新的增量数据，并通过引入的注意力机制方法确定原始模型中需要修改的参数；再次，选取原始数据中的部分样本数据与新采集的增量数据构成训练集，对原始模型进行重新训练，得到新的增量学习模型；最后，评估模型在增量学习后的性能和效果，以确定是否重新训练，并把采集的增量数据加入到原始数据中。本发明公开的基于太赫兹光谱的中药材分类增量学习方法，能够有效降低模型训练的成本，同时解决模型对历史数据灾难性遗忘的问题，保证模型对新旧数据的分类能力。

主权项：1.一种基于太赫兹光谱的中药材分类增量学习方法，其特征在于，包括以下步骤：步骤S1：进行数据采集，通过太赫兹光谱仪采集中药材太赫兹光谱数据并且存储在存储器中，从而形成原始数据集D；步骤S2：进行模型训练，通过预设的训练算法对原始数据集D进行训练，以获得太赫兹光谱中药材分类原始模型M1；步骤S3：进行增量数据采集，在新的数据采集任务中，通过太赫兹光谱仪采集增量中药材太赫兹光谱数据，从而形成增量数据集d1；步骤S4：进行模型参数调整矩阵训练，引入注意力机制，对模型进行调整，并通过增量数据集d1对模型进行训练，获得参数的注意力矩阵，注意力矩阵与输入参数矩阵维度相同，其数值大小表示各个输入参数的重要性，并且通过阈值限制获得各个参数的掩码矩阵；步骤S5：进行数据重放，从原始数据集D中的每个增量任务的数据集中随机选取一定数量的旧数据，联合当前任务的增量数据集d1形成新的训练数据集d2；步骤S6：进行增量模型训练，利用新的训练数据集d2，对原有太赫兹光谱中药分类原始模型M1按照原始训练算法进行训练，训练过程中对对应n层网络的参数与参数掩码矩阵进行运算，训练完成后形成新的增量分类模型M2；步骤S7：进行模型评估，对新的增量分类模型M2进行评估测试，评估模型在增量学习后的性能和效果；步骤S8：进行样品分类测试，采集新样品的太赫兹光谱数据，利用新的增量分类模型对新样品进行分类。

全文数据：

权利要求：

百度查询： 嘉兴学院 基于太赫兹光谱的中药材分类增量学习方法

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