专利名称：基于迁移学习的苹果表皮缺陷检测系统      申请号：2022108443924     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 机器学习 农业自动化 迁移学习   相似专利 发布日：2025/09/22  

应用场景：苹果采摘后分拣线表面缺陷检测;仓储环节质量筛查;农产品分级标准化管理

专利名称：基于深度迁移学习与XGBoost的混合鸟鸣识别方法      申请号：2022105360313     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：人工智能 机器学习 声纹识别 生物信息学 生态保护 环境监测 迁移学习   相似专利 发布日：2025/09/16  

应用场景：野生动物调查与保护;生态多样性评估;自然保护区管理;鸟类行为研究;智能音频分类系统;环境噪声监控辅助工具

专利名称：基于半监督迁移学习的食品品质无损检测模型构建方法      申请号：2022106651388     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：人工智能 机器学习 食品科学技术 无损检测技术 计算机视觉 迁移学习   相似专利 发布日：2025/09/01  

应用场景：农产品分拣流水线自动化质检;生鲜电商供应链品控;加工食品出厂前安全筛查;餐饮中央厨房原料验收;智慧农业采摘后分级处理

专利名称：一种基于模糊迁移学习模型的高精度室内定位方法      申请号：2022112920659     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 迁移学习   相似专利 发布日：2025/08/13  
摘要： 本发明公开了基于模糊迁移学习模型的高精度室内定位方法，该方法首先由目标区域数据采集模块采集目标区域的指纹特征集；然后由目标区域数据处理模块对采集的指纹特征集进行数据处理；接着由基于模糊迁移模型的室内定位模块接收经过数据处理模块处理后的数据，并根据该数据进行分析计算得到目标结果数据，该目标结果数据即为定位结果数据；该方法不仅实现了高精度室内定位，还降低了各类成本。

专利名称：一种基于循环神经网络结合迁移学习和知识蒸馏的麻醉深度预测方法      申请号：2022114002492     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗 迁移学习   相似专利 发布日：2025/08/26  
摘要： 本发明针对现有技术的局限性，提出了一种基于循环神经网络结合迁移学习和知识蒸馏的麻醉深度预测方法，在模型训练的时候考虑了不同对象的数据分布差异大的问题，并对这种情况使用域适应的方法来解决，使得模型面对新的数据，具有更强的泛化能力和鲁棒性；使用教师学生类的知识蒸馏的方法来压缩我们模型的大小，使其轻量化，并且通过使学生的中间特征表示模仿教师的中间特征表示，来进一步提升学生模型预测麻醉深度的准确度。

专利名称：一种基于原生-衍生话题迁移学习的关键元素影响力发现方法      申请号：2022114960222     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：计算机硬件 迁移学习   相似专利 发布日：2025/07/16  
摘要： 本发明属于数据挖掘技术领域，涉及一种基于原生‑衍生话题迁移学习的关键元素影响力发现方法，包括从社交平台提供的API接口中获取包含原生话题和衍生话题的信息以及相关用户信息；构建衍生话题早期传播网络拓扑结构及传播时序，包括用联合分布自适应方法对原生话题和衍生话题内容空间进行跨领域特征适配，并考虑衍生话题早期数据稀疏，用对抗迁移学习方法对网络结构进行补偿；构建衍生话题的消息‑路径‑用户三元关联图并进行循环迭代打分，对衍生话题的关键元素影响力大小排序；本发明可以及时准确地挖掘衍生话题爆发早期的关键元素，本发明也可以广泛应用于精准投放商品广告、发现重要致病基因、预测热门研究成果和阻止计算机病毒传播等。

专利名称：基于双重迁移学习策略的LSWSVM的污水截流系统水质分类方法      申请号：2023110224065     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：污水处理 迁移学习   相似专利 发布日：2025/07/09  
摘要： 本发明公开了一种基于双重迁移学习策略的LSWSVM的污水截流系统水质分类方法，包括：1）建立水质样本输入集，引入小波函数，作为LSSVM的核函数，构成LSWSVM分类模型；2）在源域中利用EADE算法获取最佳的LSWSVM的惩罚因子和小波核函数参数，并计算出模型的最优解；3）利用双重迁移学习策略将源域中的模型知识和最优参数迁移到目标域中，以构建新的LSWSVM分类模型；4）在目标域中重塑目标函数；5）在目标域中利用EADE算法获取最佳的LSWSVM的惩罚因子和小波核函数参数，并计算出模型的最优解；6）基于分类模型构建污水智能截流系统。与现有技术相比，本发明对水质进行分类，得到了准确的水质分类结果，不仅有助于提高新模型的计算效率，而且有利于提高新模型的分类精度。

专利名称：一种基于迁移学习的质子交换膜燃料电池故障诊断方法      申请号：2024109425570     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：燃料电池 迁移学习   相似专利 发布日：2025/07/09  
摘要： 本发明公开了一种基于迁移学习的质子交换膜燃料电池故障诊断方法，首先基于已有的高维大量PEMFC有标签数据，对应了正常和不同故障种类，将其作为均匀流形逼近与投影算法UMAP输入，提取高维数据中的关键成分，然后将大量降维后的数据作为源数据输入到TimesNet模型诊断框架中预训练模型，然后利用当前目标域PEMFC采集的少量有标签高维数据通过迁移学习方法将TimesNet模型进行微调，得到经过迁移后的最终诊断模型，最后将各传感器采集到的目标域无标签数据输入到经过最终诊断模型中，对新采集的PEMFC特征数据进行诊断。本发明可以解决诊断对象数据量稀缺的问题，可以实现在现有数据集较少时对目标域PEMFC的诊断，提高了PEMFC诊断效率，具有较好的应用前景。

专利名称：一种基于迁移学习的改进VGG16网络猪的身份识别方法      申请号：2021106184507     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 改进 迁移学习   相似专利 发布日：2025/07/01  
摘要： 本发明公开了一种基于迁移学习的改进VGG16网络猪的身份识别方法。先对处理好的视频进行逐帧提取，获得一系列图片，这些经过预处理成数据集，然后再进行划分训练集和测试集；构建改进的VGG16网络训练模型BN‑VGG16，保存预训练的特征提取模型Pre‑VGG16；接下来就是迁移学习过程，把源域训练获得的Pre‑VGG16特征提取网络迁移到用来识别猪的Pig‑Vgg16网络中；对调整尺寸后的数据集进行多分块改进的绝对值差分局部方向模式(Multi Block ImproveAbsolute Difference Local Direction Pattern,简称MB‑IADLDP)特征提取，并进行串行融合，最后进行猪的身份识别。基于迁移学习的改进VGG16模型在运行速度和精度上都优于传统的VGG16网络模型。

专利名称：一种基于拓扑熵分解的深度记忆迁移学习方法      申请号：2024117512566     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机硬件 迁移学习   相似专利 发布日：2025/06/24  
摘要： 本发明公开了一种基于拓扑熵分解的深度记忆迁移学习方法，S1.获取源任务数据集和目标任务数据集；S2.生成源任务训练模型；S3.对源任务训练模型进行拓扑熵分析；S4.获得剪枝后的优化源任务模型；S5.调整优化源任务模型的权重初始化方式和结构参数；S6.生成初步迁移模型；S7.生成目标任务网络模型；S8.在目标任务网络模型中嵌入深度记忆模块；S9.调整深度记忆模块的使用策略和剪枝规则；S10.输出训练完成的目标任务网络模型，并对剪枝优化过程进行记录，形成可重复使用的模型优化模板。本发明提升了迁移学习的鲁棒性、效率和适应性。

专利名称：一种基于无监督迁移学习的SDN控制器故障自适应智能检测方法      申请号：2022101022604     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 SDN 迁移学习   相似专利 发布日：2025/05/08  
摘要： 本发明属于故障检测领域，特别涉及一种基于无监督迁移学习的SDN控制器故障自适应智能检测方法，包括构建GRU‑VAE模型，并将源领域数据作为训练数据对GRU‑VAE模型进行训练，将训练获取的领域知识进行知识迁移形成检测器；将待检测的数据作为目标领域数据，并将源领域数据和目标领域数据中的特征变换到Grassmann流形空间中并基于多核MMD的动态分布对该空间中特征进行对齐，计算对齐后源领域数据和目标领域数据的边缘分布差异；根据边缘分布差异更新检测器平衡因子；检测器对数据进行检测，并判断检测结果是否收敛，若收敛则输出检测结果，否则返回重新计算边缘分布差异；本发明减少故障检测中域之间的数据漂移问题。

专利名称：一种基于迁移学习-角点预测的图注意目标跟踪方法      申请号：2021113153151     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 迁移学习   相似专利 发布日：2025/08/26  
摘要： 本发明请求保护一种基于迁移学习‑角点预测的图注意目标跟踪方法。方法为：(1)预训练GoogLeNet网络；(2)预处理训练集数据集；(3)冻结特征层参数；(4)通过图注意模块GAM；(5)新的特征序列被重塑为特征映射，作为全卷积网络(FCN)的输入，并分别为对象边界框的左上角和右下角输出两个概率图；(6)计算角点概率分布的期望值，得到预测框坐标；(7)利用随机梯度先发求解损失函数，对全连接层的参数进行升级优化，微调权重参、偏置参数；(8)用角点预测计算预测框位置并框出目标。本发明利用迁移学习，更快的得出更好的模型参数，同时利用角点预测，实现了分类和回归的解耦，简化了训练过程，加快整个网络速度。

专利名称：基于深度迁移学习的水果图像分类方法      申请号：2022105242054     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 迁移学习   相似专利 发布日：2025/08/26  
摘要： 本发明涉及一种基于深度迁移学习的水果图像分类方法，属于农业信息化领域。该算法通过冻结低层网络参数，使低层网络结构作为特征提取器，并修改高层网络参数和结构，提出新的迁移模型TL‑VGG16、TL‑InceptionV3和TL‑ResNet50。通过对三种迁移模型分别输入图像进行小样本训练，实现对不同水果图像的准确分类。最后对三种迁移模型分别使用加权平均法和相对多数投票法进行融合，输出新的预测概率。本发明解决了传统深度网络在识别图像时层数较深、训练耗时较长、模型收敛较慢和小数据集情况下过拟合情况较严重等问题，实现了深度网络的参数轻量级，降低了训练难度，并增加了深度网络在智能农业应用中的普遍性。

专利名称：一种基于脑电特征迁移学习的驾驶状态检测方法及系统      申请号：2020110621507     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 迁移学习   相似专利 发布日：2025/04/07  
摘要： 本发明公开了一种基于脑电特征迁移学习的驾驶状态检测方法及系统，包括：采集被试用户的脑电信号，对所述脑电信号进行预处理，提取特征构建第一目标特征集；从多组第一源数据集中筛选疲劳特征集和情绪数据集，组合成第二源特征集；通过第一迁移学习算法进行实例迁移，得到第三源特征集；基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习，得到第四源特征集、第二目标数据集；使用第四源数据集构建多分类判别模型，将第二目标特征集输入多分类判别模型，得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作，大大提高分类识别的鲁棒性和准确性。

专利名称：一种量子迁移学习方法      申请号：2024111489975     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 迁移学习   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。

专利名称：一种基于并行网络和迁移学习的机械设备故障诊断方法      申请号：202211408395X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机械制造 迁移学习   相似专利 发布日：2025/07/03  
摘要： 本发明提供了一种基于并行网络和迁移学习的机械设备故障诊断方法，其内容包括：采用连续小波变换的方法将机械设备原始振动信号变换为二维时频图，并行网络中的上层网络采用Inception‑Resnet‑v2提取时频图特征，下层网络采用长短时记忆神经网络提取原始振动信号的时序特征；上下层网络分别采用卷积注意力模块和自注意力机制对各自所提取的特征进行权重分配，筛选关键特征；融合以上特征，并通过Softmax层进行故障分类识别；利用源域带标签样本数据进行上述操作，完成预训练模型；冻结预训练模型卷积层参数，以少量目标域带标签数据样本对网络模型进行参数微调，实现变工况、小样本故障诊断。

专利名称：一种基于深度迁移学习的调控变异预测方法      申请号：2024102339555     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 迁移学习   相似专利 发布日：2025/06/25  
摘要： 本发明属于生物信息学领域，涉及一种基于深度迁移学习的调控变异预测方法，其中包括卷积自编码器、多任务学习和迁移学习等技术。该方法的核心思想是在非编码变异数据上预训练模型，通过半监督方法学习非编码变异的底层特征表示能力。包括如下步骤：首先构建源域样本和目标域样本，并对DNA序列进行独热编码；其次使用卷积自编码器，通过多任务学习，训练特征提取器；最后将源域样本知识迁移到目标域，辅助模型在目标域进行预测。本方法采用半监督学习方法进行预训练，极大的保留了源域数据的底层特征，可以有效对候选变异进行筛选，对未来的实验验证具有重要意义。

专利名称：基于元迁移学习的变工况轴承故障诊断方法      申请号：2023113352633     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机械制造 迁移学习   相似专利 发布日：2025/06/27  
摘要： 本发明公开了一种基于元迁移学习的变工况轴承故障诊断方法，涉及轴承故障诊断方法技术领域。所述方法包括以下步骤：得到振动信号的频谱；将数据集按照不同工况划分为源域、目标域；将元学习方法与迁移学习方法进行结合，构建基于元迁移学习的RN‑DSAN模型；将源域数据与目标域数据输入RN‑DSAN模型中，将关系网络所得分类损失与LMMD模块所得LMMD损失之和作为模型总的损失函数值，利用反向传播算法进行迭代训练，获取模型参数；将目标域数据输入训练好的RN‑DSAN模型，从而得到目标域样本的故障类型；所述方法可以在只有少量带标签目标域样本的情况下，通过元迁移学习，更加准确的实现变工况下轴承的故障诊断。

专利名称：一种基于改进迁移学习模型的电机故障诊断方法及装置      申请号：2024103541934     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机电 改进 迁移学习   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于改进迁移学习模型的电机故障诊断方法及装置，方法包括：采集电机运行时的多源异质信号，包括：三轴振动加速度信号和三相电流信号；对电机运行时的多源异质信号进行连续小波变换，分别生成小波时频图，包括：三轴振动加速度信号时频图和三相电流信号时频图；对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像；将融合图像输入训练好的改进迁移学习模型EfficientNetV2‑M0中，输出电机的故障诊断结果。本发明通过对电机运行时的多源异质信号进行变换融合，有效提高了电机故障的诊断效率和准确率。

专利名称：一种轻量级CNN结合迁移学习的医学图像分类方法      申请号：2021106912487     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗 迁移学习   相似专利 发布日：2025/06/23  
摘要： 本发明公开了一种轻量级CNN结合迁移学习的医学图像分类方法，包括：(1)获取医学图像数据集，并对其预处理，包括调整大小，使用高斯模糊和直方图均衡化进行增强处理，之后将预处理后的医学图像数据集按照一定比例划分得到训练集、验证集以及测试集；(2)构建预训练好的MobileNetV2网络并进行微调，对MobileNetV2网络的损失函数使用L2正则化进行处理，通过贝叶斯优化方法调整MobileNetV2网络中的超参数，之后利用训练集对MobileNetV2网络进行训练，利用验证集对MobileNetV2网络进行验证，得到重新训练好的MobileNetV2网络；(3)将测试集输入重新训练好的MobileNetV2网络，得到分类结果。本发明所述方法提高了分类精度，缩短了MobileNetV2网络的训练时间，并且对于硬件设备的要求不高，适合资源匮乏的地区使用。