公开(公告)号：CN119886206A

公开(公告)日：2025-04-25

申请号：CN202411608475.9

申请日：2024-11-12

Applicant: 北京航天计量测试技术研究所

Inventor： 程中浩 ,  缪寅宵 ,  张修建 ,  弯天琪 ,  杨平 ,  孙静 ,  张龙 ,  张子木 ,  刘弋菲 ,  丁亦嘉

IPC: G06N3/044 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/096

Abstract: 本发明涉及一种基于多层特征差异的神经网络持续学习性在线评估方法。首先对持续学习过程中被测神经网络每一层的网络参数进行提取，网络参数中包括权重矩阵和偏置向量；然后基于相邻学习任务的权重，针对每一层进行网络参数相似性的提取；紧接着构建长短记忆循环神经模型作为评估模型，以被测网络模型的层深作为时序数据对循环网络评估模型进行训练，评估模型的输入为每一层的被测神经网络的参数相似度，最终输出为被测神经网络当前是否发生遗忘现象；最后，利用训练好的评估模型进行智能神经网络模型的持续学习状态的评估，通过提取当前状态于上一状态的参数相似度参数，输入到循环网络评估模型中，对当前持续学习的状态进行识别评估。

公开(公告)号：CN119886269A

公开(公告)日：2025-04-25

申请号：CN202411673370.1

申请日：2024-11-21

Applicant: 北京航天计量测试技术研究所

Inventor： 王永光 ,  缪寅宵 ,  弯天琪 ,  杨平 ,  张修建 ,  孙利娟 ,  范博文 ,  张子木 ,  张龙 ,  程中浩 ,  丁亦嘉 ,  孙静

IPC: G06N3/092 ,  G06N3/006 ,  G06N5/04

Abstract: 一种人工智能主体深度强化学习不确定性估计方法，主要包括以下步骤：将基于深度强化学习的决策不确定性分解为偶然不确定性和认知不确定性；基于贝叶斯和非贝叶斯方法，计算每个不确定度的基本分量；合成获得标准不确定度以及扩展。该方法突破了传统深度强化学习不确定性估计的建模方法，以贝叶斯和非贝叶斯的方式评估不确定度，能够有效减少人工智能主体深度强化学习探索‑利用所需的时间。

公开(公告)号：CN119989610A

公开(公告)日：2025-05-13

申请号：CN202411742816.1

申请日：2024-11-29

Applicant: 北京航天计量测试技术研究所

Inventor： 孙静 ,  张修建 ,  杨平 ,  王永光 ,  张子木 ,  刘弋菲

IPC: G06F30/20 ,  G06T17/00 ,  G06F16/25 ,  G06F18/10 ,  G06F18/20 ,  G06F119/02

Abstract: 本发明涉及测控装备测评技术领域，具体涉及一种基于动力学熵的测控装备智能化水平测评系统与方法，能够在测控装备智能化测评中引入熵理论，通过结合测控装备的动态变化过程，更全面的评估其智能化水平。本发明能够有效应用于工业测控装备的智能化测评中，并能够知道相关测评系统平台的开发工作，在测控装备技术领域具有非常好的应用前景和价值；系统涵盖了从硬件基础设施到用户交互界面的所有层面，确保了评估过程的完整性。这种多层次的设计能够有效地支持不同类型的测控装备评估。