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！

龙图腾网获悉哈尔滨工业大学申请的专利一种用于动态脉冲星数据分析的增量学习方法和系统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：CN118916679B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202411056094.4，技术领域涉及：G06F18/213；该发明授权一种用于动态脉冲星数据分析的增量学习方法和系统是由金晶;刘一设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种用于动态脉冲星数据分析的增量学习方法和系统在说明书摘要公布了：本发明提出一种用于动态脉冲星数据分析的增量学习方法和系统。用于改进脉冲星识别的准确性和效率，并解决脉冲星候选数据中的数据漂移问题。首先，通过多源数据集成和特征工程技术对脉冲星数据进行预处理，以提取关键特征并增强模型的输入质量。接着，利用初始贝叶斯神经网络进行基础模型训练，确保模型在多种数据环境下的适应性和稳定性。为了应对数据动态变化的挑战，本发明采用增量学习策略，使模型能够在接收新数据时实时更新，不需要重新训练整个网络，从而显著提高学习效率和实时性。此外，通过引入模型不确定性评估，进一步优化和调整模型参数，确保识别过程的准确性与可靠性。

本发明授权一种用于动态脉冲星数据分析的增量学习方法和系统在权利要求书中公布了：1.一种用于动态脉冲星数据分析的增量学习方法，其特征在于，所述方法包括： S1：分析脉冲星数据集，确定存在数据漂移问题； S2：采用权重调整技术，处理因非脉冲星候选数据过多而导致的潜在数据不平衡问题； S3：将模型中的神经网络替换为贝叶斯神经网络，捕捉数据的不确定性并增强模型的鲁棒性； S4：设计增量学习模型，允许增量学习模型在接收新数据时动态调整，通过后验分布更新来适应新数据集，而不需从头开始训练； S5：增量学习模型采用多模态结构，以贝叶斯神经网络为基础，并结合自适应重放机制融入当前任务的增量学习模型训练中，使增量学习模型能够利用先前任务的知识，增强处理新任务时的准确性和稳定性； 所述S5中，多模态增量学习模型以贝叶斯神经网络为基础，采用贝叶斯一维卷积神经网络、贝叶斯二维卷积神经网络相结合的方式进行建模，并采用贝叶斯线性网络做进一步处理，生成最终的输出； 所述贝叶斯二维卷积神经网络用来提取局部特征，并通过包含批归一化层、激活函数、自适应平均池化层以及线性层和Sigmoid激活的SEBlock残差模块，实现多次特征增强和提取；注意力机制帮助增量学习模型更有效地聚焦于重要的特征区域，从而提升数据表示的质量。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。