基于知识蒸馏技术优化神经网络模型的方法

本发明公开了一种基于知识蒸馏技术优化神经网络模型的方法，本发明通过建立多个教师网络来分别学习不同的物理规律，并在每个网络中嵌入物理约束，显著提升了学生网络在复杂电力调度问题中的学习能力和表现。此外，仅选择在任务表现优于学生网络的教师网络进行知识传递，避免了低效和无用信息的干扰，从而提高了学习效率和结果可靠性。同时，物理规律作为指导信息贯穿于知识传递过程中，确保学生网络不仅限于学习数据模式，还能遵循电力系统中的物理约束，从而增强模型的可解释性和稳定性。