摘要
本发明属于网络模型优化技术领域,具体涉及一种鲁棒性的动态对比学习框架及其应用,所述鲁棒性的动态对比学习框架是指在SURE框架中引入再平衡对比损失,并通过动态二级辅助网络实时动态调整SURE损失和再平衡对比损失的权重;本发明在分类准确性、鲁棒性及不确定性估计方面均实现了显著提升,展现了其在核电信号分类等高风险领域的广泛应用前景。
技术关键词
鲁棒性
密封故障
排序损失
动态
框架
模型优化技术
网络
分类方法
液压
数据
高风险
训练集
机制
凹坑
指数
分层
信号
策略
样本
误差
系统为您推荐了相关专利信息
执行优化方法
神经网络模型
临时标记
符号
节点间数据
通信系统
多阶段
卫星通信场景
神经网络框架
损失函数优化
归一化算法
负荷预测模型
因子
历史负荷数据
序列