一种解决多保真数据融合刚性问题的迁移学习方法

本发明公开了一种解决多保真数据融合刚性问题的迁移学习方法，以解决模型训练中存在的刚性问题，该方法通过将多保真建模方法中的低保真数据作为可训练的参数以设计的迁移路径进行约束建立中间域，解决了分块式网络框架处理多源数据融合过程中因高低保真数据量存在明显差异而产生的刚性现象。将原有迁移任务划分为多段式迁移过程，通过建立多个中间域约束模型迁移路径。该路径使得模型迁移损失处于极小值，模型参数更新过程中一直处于稳定状态，并且，通过中间域的建立，增加了参与迁移模块参数更新的数据，使得模型能够捕获更多的数据特征。