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：华东理工大学
摘要：本发明提供了一种高效即时学习框架、局部模型的训练方法及存储介质。所述高效即时学习框架包括相似样本选择模块及学习器模块。所述相似样本选择模块包括相似度计算单元、样本长度计算单元及子集划分单元。所述学习器模块包括输入层、多分支变尺度卷积单元、平坦化层、全连接层及加权求和层。该高效即时学习框架、局部模型的训练方法及存储介质均能显著提升即时学习的效率及样本选择相似度，并且具有较强的非线性映射能力。
主权项：1.一种高效即时学习框架，其特征在于，包括：相似样本选择模块，包括相似度计算单元、样本长度计算单元及子集划分单元，其中，所述相似度计算单元计算输入样本与历史样本集中多个历史样本的相似度，并据此对各所述历史样本进行排序，所述样本长度计算单元用于自适应地选择历史样本，并通过计算所述相似度的波动范围和或平均变化来确定最优训练样本长度，所述子集划分单元用于根据所述最优长度，对各所述历史样本进行聚类，并选择聚类中心与所述输入样本的相似度最高的子集，作为局部模型的训练样本集；以及学习器模块，包括输入层、多分支变尺度卷积单元、平坦化层、全连接层及加权求和层，其中，所述多分支变尺度卷积单元利用不同尺寸的卷积核，在所述局部模型的神经网络结构的不同分支中分别捕获并融合所述训练样本集中各训练样本的多尺度特征，所述平坦化层用于对各所述分支的输出特征进行平坦化处理，所述全连接层用于对所述平坦化层输出的平坦化特征进行非线性映射，以得到多个中间结果，所述加权求和层用于对各所述中间结果进行加权求和，以得到各所述训练样本对应的预测结果，所述学习器模块根据各所述训练样本的真实结果与预测结果的差异，调节所述局部模型的学习参数，以进行所述局部模型的训练。
全文数据：
权利要求：
百度查询： 华东理工大学 高效即时学习框架及局部模型的训练方法
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。
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