一种分布式模型预测方法
实质审查的生效
摘要
本发明公开了一种分布式模型预测方法，通过构建不同神经元分布的局部模型，并采用分布不同的数据训练构建的局部模型；采用联合概率神经匹配对不同的局部模型的相似神经元进行匹配，采用惩罚函数筛选神经元；根据筛选后的神经元构建全局模型，确定全局模型神经元的参数；采用预设的训练集，利用贝叶斯深度学习完成全局模型的参数分布的估计；根据参数分布的估计完成全局模型的预测过程。对全局模型的参数采用概率分布来估计，提高参数的稳定性，从而提高模型训练的收敛速度，提高模型预测速度。
基本信息
专利标题 ：
一种分布式模型预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114528758A
申请号 ：
CN202210106265.4
公开（公告）日 ：
2022-05-24
申请日 ：
2022-01-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杜翠凤蒋仕宝滕少华
申请人 ：
广州杰赛科技股份有限公司;广东工业大学
申请人地址 ：
广东省广州市海珠区新港中路381号
代理机构 ：
广州三环专利商标代理有限公司
代理人 ：
吕金金
优先权 ：
CN202210106265.4
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-10 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20220128
申请日 : 20220128
2022-05-24 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
