基本信息:
- 专利标题： 一种数据流上的基于采样和多项式的可学习性质估计方法
- 申请号：CN202411559827.6 申请日：2024-11-04
- 公开(公告)号：CN119473249A 公开(公告)日：2025-02-18
- 发明人： 魏哲巍 , 李家郡 , 雷润林 , 王思博 , 丁博麟
- 申请人： 中国人民大学
- 申请人地址： 北京市海淀区中关村大街59号
- 专利权人： 中国人民大学
- 当前专利权人： 中国人民大学
- 当前专利权人地址： 北京市海淀区中关村大街59号
- 代理机构： 北京中创阳光知识产权代理有限责任公司
- 代理人： 尹振启
- 主分类号： G06F8/30
- IPC分类号： G06F8/30 ; G06N3/045 ; G06N3/084 ; G06F18/214
摘要：
本公开提供一种数据流上的基于采样和多项式的可学习性质估计方法。包括步骤S1‑S5：步骤S1，从数据流中提取样本；步骤S2，生成训练数据；步骤S3，根据不同数据性质估计问题，设计不同的可学习神经网络，解决数据性质估计问题，步骤S4，将步骤S2中生成的随机数据分布组输入到步骤S3中，作为训练数据进行训练，通过S3中构造的损失函数，作为训练的终止条件；步骤S5，将步骤S4中得到的最终模型，结合步骤S1中提取的数据信息特征，对数据性质问题进行估计；通过神经网络进行估计后，得到的数据性质估计，用于回答数据性质估计问题。通过上述手段，本发明应用在数据流环境下，并适应不同的数据分布，单独学习估计器，提升了估计数据性质估计的效果。