買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜湖南科技學院申請的專利一種基于拓撲熵分解的深度記憶遷移學習方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119514647B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411751256.6，技術(shù)領(lǐng)域涉及：G06N3/096；該發(fā)明授權(quán)一種基于拓撲熵分解的深度記憶遷移學習方法是由代軍壘;戴振華;梁英杰;屈麗明;黃堂森設(shè)計研發(fā)完成，并于2024-12-02向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于拓撲熵分解的深度記憶遷移學習方法在說明書摘要公布了：本發(fā)明公開了一種基于拓撲熵分解的深度記憶遷移學習方法，S1.獲取源任務(wù)數(shù)據(jù)集和目標任務(wù)數(shù)據(jù)集；S2.生成源任務(wù)訓練模型；S3.對源任務(wù)訓練模型進行拓撲熵分析；S4.獲得剪枝后的優(yōu)化源任務(wù)模型；S5.調(diào)整優(yōu)化源任務(wù)模型的權(quán)重初始化方式和結(jié)構(gòu)參數(shù)；S6.生成初步遷移模型；S7.生成目標任務(wù)網(wǎng)絡(luò)模型；S8.在目標任務(wù)網(wǎng)絡(luò)模型中嵌入深度記憶模塊；S9.調(diào)整深度記憶模塊的使用策略和剪枝規(guī)則；S10.輸出訓練完成的目標任務(wù)網(wǎng)絡(luò)模型，并對剪枝優(yōu)化過程進行記錄，形成可重復(fù)使用的模型優(yōu)化模板。本發(fā)明提升了遷移學習的魯棒性、效率和適應(yīng)性。

本發(fā)明授權(quán)一種基于拓撲熵分解的深度記憶遷移學習方法在權(quán)利要求書中公布了：1.一種基于拓撲熵分解的深度記憶遷移學習方法，其特征在于，包括如下步驟：S1.獲取源任務(wù)數(shù)據(jù)集和目標任務(wù)數(shù)據(jù)集，對源任務(wù)數(shù)據(jù)集和目標任務(wù)數(shù)據(jù)集分別進行數(shù)據(jù)清洗、特征提取和標準化處理；S2.使用深度神經(jīng)網(wǎng)絡(luò)對預(yù)處理后的源任務(wù)數(shù)據(jù)集進行訓練，生成源任務(wù)訓練模型；S3.對源任務(wù)訓練模型進行拓撲熵分析，計算源任務(wù)訓練模型中各網(wǎng)絡(luò)節(jié)點的拓撲熵值，量化各節(jié)點在源任務(wù)訓練模型整體性能中的貢獻度；S4.基于拓撲熵值按照預(yù)設(shè)的剪枝閾值篩選出低拓撲熵節(jié)點和高拓撲熵節(jié)點，將低拓撲熵節(jié)點從源任務(wù)訓練模型中剪除，獲得剪枝后的優(yōu)化源任務(wù)模型；S5.對優(yōu)化源任務(wù)模型進行遷移適配，結(jié)合目標任務(wù)數(shù)據(jù)集的特征分布計算優(yōu)化源任務(wù)模型的各層結(jié)構(gòu)與目標任務(wù)的相似性指標，調(diào)整優(yōu)化源任務(wù)模型的權(quán)重初始化方式和結(jié)構(gòu)參數(shù)；S6.使用目標任務(wù)數(shù)據(jù)集對優(yōu)化源任務(wù)模型進行初步訓練，生成初步遷移模型，記錄初步遷移模型在目標任務(wù)上的性能指標；S7.對初步遷移模型再次進行拓撲熵分析，計算遷移過程中新增網(wǎng)絡(luò)節(jié)點的拓撲熵值，結(jié)合性能指標優(yōu)化初步遷移模型結(jié)構(gòu)，進一步剪除遷移過程中冗余的低拓撲熵節(jié)點，生成目標任務(wù)網(wǎng)絡(luò)模型；S8.在目標任務(wù)網(wǎng)絡(luò)模型中嵌入深度記憶模塊，利用深度記憶模塊存儲源任務(wù)模型中的高拓撲熵節(jié)點特征和遷移過程中的歷史經(jīng)驗；S9.對包含深度記憶模塊的目標任務(wù)網(wǎng)絡(luò)模型進行最終訓練，在訓練過程中動態(tài)監(jiān)測模型的拓撲熵變化，調(diào)整深度記憶模塊的使用策略和剪枝規(guī)則；S10.輸出訓練完成的目標任務(wù)網(wǎng)絡(luò)模型，并對剪枝優(yōu)化過程進行記錄，形成可重復(fù)使用的模型優(yōu)化模板。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人湖南科技學院，其通訊地址為：425000 湖南省永州市零陵區(qū)楊梓塘路130號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。