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！

龙图腾网恭喜湖南科技学院申请的专利一种基于拓扑熵分解的深度记忆迁移学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119514647B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411751256.6，技术领域涉及：G06N3/096；该发明授权一种基于拓扑熵分解的深度记忆迁移学习方法是由代军垒;戴振华;梁英杰;屈丽明;黄堂森设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于拓扑熵分解的深度记忆迁移学习方法在说明书摘要公布了：本发明公开了一种基于拓扑熵分解的深度记忆迁移学习方法，S1.获取源任务数据集和目标任务数据集；S2.生成源任务训练模型；S3.对源任务训练模型进行拓扑熵分析；S4.获得剪枝后的优化源任务模型；S5.调整优化源任务模型的权重初始化方式和结构参数；S6.生成初步迁移模型；S7.生成目标任务网络模型；S8.在目标任务网络模型中嵌入深度记忆模块；S9.调整深度记忆模块的使用策略和剪枝规则；S10.输出训练完成的目标任务网络模型，并对剪枝优化过程进行记录，形成可重复使用的模型优化模板。本发明提升了迁移学习的鲁棒性、效率和适应性。

本发明授权一种基于拓扑熵分解的深度记忆迁移学习方法在权利要求书中公布了：1.一种基于拓扑熵分解的深度记忆迁移学习方法，其特征在于，包括如下步骤：S1.获取源任务数据集和目标任务数据集，对源任务数据集和目标任务数据集分别进行数据清洗、特征提取和标准化处理；S2.使用深度神经网络对预处理后的源任务数据集进行训练，生成源任务训练模型；S3.对源任务训练模型进行拓扑熵分析，计算源任务训练模型中各网络节点的拓扑熵值，量化各节点在源任务训练模型整体性能中的贡献度；S4.基于拓扑熵值按照预设的剪枝阈值筛选出低拓扑熵节点和高拓扑熵节点，将低拓扑熵节点从源任务训练模型中剪除，获得剪枝后的优化源任务模型；S5.对优化源任务模型进行迁移适配，结合目标任务数据集的特征分布计算优化源任务模型的各层结构与目标任务的相似性指标，调整优化源任务模型的权重初始化方式和结构参数；S6.使用目标任务数据集对优化源任务模型进行初步训练，生成初步迁移模型，记录初步迁移模型在目标任务上的性能指标；S7.对初步迁移模型再次进行拓扑熵分析，计算迁移过程中新增网络节点的拓扑熵值，结合性能指标优化初步迁移模型结构，进一步剪除迁移过程中冗余的低拓扑熵节点，生成目标任务网络模型；S8.在目标任务网络模型中嵌入深度记忆模块，利用深度记忆模块存储源任务模型中的高拓扑熵节点特征和迁移过程中的历史经验；S9.对包含深度记忆模块的目标任务网络模型进行最终训练，在训练过程中动态监测模型的拓扑熵变化，调整深度记忆模块的使用策略和剪枝规则；S10.输出训练完成的目标任务网络模型，并对剪枝优化过程进行记录，形成可重复使用的模型优化模板。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技学院，其通讯地址为：425000 湖南省永州市零陵区杨梓塘路130号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。