一种基于深度学习的远程热量计量表数据校准方法

本发明涉及深度学习技术领域，公开了一种基于深度学习的远程热量计量表数据校准方法，包括：构建信息保留最大化的资源感知优化框架，利用互信息原理在资源约束下优化模型性能；构建自适应小波前处理引擎，根据硬件能力动态选择小波分解级别，实现输入数据的有效降维；构建可微分资源约束的神经架构搜索框架，自动生成满足设备资源限制的最优网络架构；实现可变精度计算机制，对网络中不同层实施差异化精度处理策略；实现任务分解策略，将复杂校准任务分解为可并行的简单子任务；实现渐进式模型蒸馏流程，将高性能设备上的复杂模型知识迁移到低性能设备上的轻量级模型中。本发明简化模型部署和更新过程，降低系统维护成本和技术门槛。