一种基于协方差矩阵零阶优化的测试时适应方法

本发明公开了一种基于协方差矩阵零阶优化的测试时适应方法，涉及机器学习模型优化领域，该方法在预训练模型主干网络中插入轻量化适配器，初始化采样矩阵；动态构建协方差矩阵，利用协方差矩阵动态调整扰动方向，并基于步长控制因子进行采样；在前向传播中执行有限差分梯度估计，结合扰动缩减因子更新梯度估计值；动态更新协方差矩阵和适配器参数；当检测到特征分布偏移时，通过协方差矩阵导向扰动进行模型优化。本发明通过构建动态协方差矩阵引导扰动方向，结合扰动衰减因子机制和适配器架构，实现无需反向传播模型参数优化，具备高精度、低内存和强稳定性特征，适用于工业质检、医疗影像分析等边缘计算场景，具有显著的产业化应用价值。