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

龍圖騰網(wǎng)獲悉山東省海洋資源與環(huán)境研究院(山東省海洋環(huán)境監(jiān)測(cè)中心、山東省水產(chǎn)品質(zhì)量檢驗(yàn)中心)申請(qǐng)的專利一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120354318B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02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(qǐng)?zhí)?專利號(hào)為：202510837471.6，技術(shù)領(lǐng)域涉及：G06F18/2433；該發(fā)明授權(quán)一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法及系統(tǒng)是由趙玉庭;張超;程玲;于寧;聶婕;蘇博;金曉杰;左子杰設(shè)計(jì)研發(fā)完成，并于2025-06-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及海洋生物群落監(jiān)測(cè)技術(shù)領(lǐng)域，尤其是涉及一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法及系統(tǒng)。方法包括對(duì)獲取的多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；利用預(yù)處理后的數(shù)據(jù)構(gòu)建多模態(tài)聯(lián)合特征；利用多模態(tài)聯(lián)合特征進(jìn)行跨模態(tài)教師模型訓(xùn)練；基于歷史海洋生態(tài)序列數(shù)據(jù)對(duì)學(xué)生模型進(jìn)行訓(xùn)練；利用跨模態(tài)教師模型對(duì)學(xué)生模型進(jìn)行強(qiáng)化知識(shí)蒸餾；利用訓(xùn)練好的學(xué)生模型進(jìn)行海洋生態(tài)群落時(shí)間序列預(yù)測(cè)；基于歷史數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)進(jìn)行異常檢測(cè)。基于對(duì)現(xiàn)有海洋生物群落監(jiān)測(cè)技術(shù)瓶頸的突破，本發(fā)明實(shí)現(xiàn)了多維度的技術(shù)提升與應(yīng)用價(jià)值。

本發(fā)明授權(quán)一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于記憶混合原型與知識(shí)蒸餾的海洋生物群落監(jiān)測(cè)方法，其特征在于，包括： 獲取多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)； 對(duì)獲取的多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理； 利用預(yù)處理后的數(shù)據(jù)構(gòu)建多模態(tài)聯(lián)合特征； 利用多模態(tài)聯(lián)合特征進(jìn)行跨模態(tài)教師模型訓(xùn)練； 基于歷史海洋生態(tài)序列數(shù)據(jù)對(duì)學(xué)生模型進(jìn)行訓(xùn)練； 利用跨模態(tài)教師模型對(duì)學(xué)生模型進(jìn)行強(qiáng)化知識(shí)蒸餾； 利用訓(xùn)練好的學(xué)生模型進(jìn)行海洋生態(tài)群落時(shí)間序列預(yù)測(cè)； 基于歷史數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)進(jìn)行異常檢測(cè)； 所述對(duì)獲取的多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，包括針對(duì)生物光學(xué)影像采用雙邊濾波算法對(duì)原始影像進(jìn)行去噪，通過(guò)空間鄰近度與像素相似度的聯(lián)合加權(quán)，抑制水體渾濁導(dǎo)致的散射噪聲；對(duì)時(shí)域回波信號(hào)進(jìn)行短時(shí)傅里葉變換，通過(guò)漢寧窗函數(shù)截取局部信號(hào)段，生成時(shí)頻矩陣；對(duì)溫度和鹽度數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；對(duì)文本數(shù)據(jù)采用SBERT模型將生態(tài)關(guān)系三元組文本編碼為768維語(yǔ)義嵌入向量； 所述利用預(yù)處理后的數(shù)據(jù)進(jìn)行跨模態(tài)教師模型訓(xùn)練，包括為多模態(tài)聯(lián)合特征添加可學(xué)習(xí)位置編碼PE得到初始狀態(tài)，再由CLMs進(jìn)行處理以生成上下文嵌入，包括矯正注意力、層歸一化及前饋運(yùn)算，最后利用Transformer編碼器PT編碼器·，通過(guò)文本模態(tài)中的來(lái)重建時(shí)間序列模態(tài)中的真實(shí)值，實(shí)現(xiàn)跨模態(tài)重建，其中，CLMs中的LN和FFN定義如下： 其中是經(jīng)過(guò)第二層LN后的輸出，和是可學(xué)習(xí)的縮放與平移參數(shù)，和分別表示均值與標(biāo)準(zhǔn)差，代表逐元素相乘； 所述基于歷史海洋生態(tài)序列數(shù)據(jù)對(duì)學(xué)生模型進(jìn)行訓(xùn)練，包括給定歷史數(shù)據(jù)，逆向嵌入層將轉(zhuǎn)換為可學(xué)習(xí)的矩陣，以捕捉跨多個(gè)變量的時(shí)間依賴性，首先通過(guò)可逆實(shí)例進(jìn)行歸一化處理，以減輕分布偏移的影響，隨后，歸一化后的嵌入表示隨后被送入一個(gè)Transformer編碼器TST編碼器·，用于建模多變量間的時(shí)間依賴關(guān)系，最終輸出以融合時(shí)序與跨變量的特征； 所述利用跨模態(tài)教師模型對(duì)學(xué)生模型進(jìn)行強(qiáng)化知識(shí)蒸餾，包括通過(guò)對(duì)齊教師網(wǎng)絡(luò)中的強(qiáng)化ET編碼器·與學(xué)生時(shí)間序列TST編碼器·之間的注意力圖，促使學(xué)生模型模仿教師的行為實(shí)現(xiàn)正相關(guān)性蒸餾；通過(guò)對(duì)齊教師模型與學(xué)生模型的嵌入空間實(shí)現(xiàn)特征蒸餾；整體蒸餾損失結(jié)合相關(guān)性蒸餾損失與特征蒸餾損失，以指導(dǎo)學(xué)生的學(xué)習(xí)過(guò)程，總知識(shí)蒸餾損失定義為： 其中，和是用于平衡相關(guān)性蒸餾損失與特征蒸餾損失貢獻(xiàn)的超參數(shù)； 所述利用訓(xùn)練好的學(xué)生模型進(jìn)行海洋生態(tài)群落時(shí)間序列預(yù)測(cè)，包括采用學(xué)生模型進(jìn)行推理，其中，是來(lái)自蒸餾學(xué)生模型的時(shí)間序列嵌入表示，將輸入至投影函數(shù)中以完成未來(lái)預(yù)測(cè)，表示為： 其中為海洋生態(tài)群落歷史數(shù)據(jù)輸入，代表海洋生態(tài)群落預(yù)測(cè)結(jié)果，與為可學(xué)習(xí)參數(shù)，最終輸出進(jìn)行歸一化處理，預(yù)測(cè)損失采用SL1損失函數(shù)：其中，代表預(yù)測(cè)樣本量的數(shù)量。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人山東省海洋資源與環(huán)境研究院(山東省海洋環(huán)境監(jiān)測(cè)中心、山東省水產(chǎn)品質(zhì)量檢驗(yàn)中心)，其通訊地址為：264006 山東省煙臺(tái)市經(jīng)濟(jì)開(kāi)發(fā)區(qū)長(zhǎng)江路216號(hào)；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)”。