基于分布校准无历史数据的数字孪生决策模型更新方法

本申请公开了一种基于分布校准无历史数据的数字孪生决策模型更新方法，属于深度学习技术领域。该方法包括：构建预设数字孪生决策模型，对t阶段的数字孪生决策模型进行更新，更新包括：获取t阶段的输入数据；基于可学习高斯混合模型参数映射模块存储的1到t‑1阶段历史数据的拟合分布，对拟合分布进行采样得到目标样本，基于目标样本得到1到t‑1阶段历史数据的偏置样本；基于分布校正模块对偏置样本进行校正，得到1到t‑1阶段校正历史数据；基于校正历史数据与t阶段的输入数据特征，更新分类器，得到t阶段更新后的数字孪生决策模型；生成并存储t阶段的输入数据的拟合分布；该方法减少了数字孪生决策模型更新时对历史数据的依赖性和存储成本。