预测模型的训练方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提出一种预测模型的训练方法和装置、设备和存储介质，其中，方法包括：获取多个源域数据；其中，多个源域数据包括源标签；将多个源域数据输入神经网络进行训练，获取第一预测结果，根据第一预测结果和源标签调整神经网络的网络参数，以生成预训练模型；获取目标域数据，其中，目标域数据包括目标标签；将目标域数据输入预训练模型进行训练，获取第二预测结果，根据第二预测结果和目标标签调整预训练模型的网络参数，以生成目标域的预测模型。由此，通过源域的数据进行预训练获取预训练模型，并通过目标域的数据对预训练模型的参数进行微调，生成预测模型以实现数据量很少的情况下也能够准确预测。能够准确预测。能够准确预测。

【技术实现步骤摘要】
预测模型的训练方法、装置、设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种预测模型的训练方法、装置、设备和存储介质。

技术介绍

[0002]通常，室内温度的预测对于区域供热系统预测控制是十分重要的，一方面可以将室内温度维持到一个人体舒适的范围，另一方面可以减少供热温度波动，降低热损耗，从而达到节能减排的目的。
[0003]相关技术中，室内温度的预测方法对于时间序列预测依赖于充足的训练数据，而现实生活中，对于新建成的小区，传感器数据往往是很少的，这就会导致训练过拟合的问题，从而对于未来的预测性能下降。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本专利技术提出一种预测模型的训练方法、装置、设备和存储介质，解决了新建成小区，在数据量很少的情况下，如何保证准确预测的问题，实现通过源域的数据进行预训练获取预训练模型，并通过目标域的数据对预训练模型的参数进行微调，生成预测模型以实现数据量很少的情况下也能够准确预测。
[0006]本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测模型的训练方法，其特征在于，包括以下步骤：获取多个源域数据；其中，所述多个源域数据包括源标签；将所述多个源域数据输入神经网络进行训练，获取第一预测结果，根据所述第一预测结果和所述源标签调整所述神经网络的网络参数，以生成预训练模型；获取目标域数据，其中，所述目标域数据包括目标标签；将所述目标域数据输入所述预训练模型进行训练，获取第二预测结果，根据所述第二预测结果和所述目标标签调整所述预训练模型的网络参数，以生成目标域的预测模型。2.如权利要求1所述的方法，其特征在于，所述将所述多个源域数据输入神经网络进行训练，获取第一预测结果，包括：通过所述神经网络的特征提取网络对所述多个源域数据进行处理，以生成多个源域特征；通过所述神经网络的独立子网络和多个特有子网络分别对所述多个源域特征进行处理，以生成源域共享特征和多个源域特有特征；将所述源域共享特征和每个所述源域特有特征进行拼接后输入预测器，获取所述第一预测结果。3.如权利要求1所述的方法，其特征在于，所述将所述目标域数据输入所述预训练模型进行训练，获取第二预测结果，包括：通过所述预训练模型的特征提取网络对所述目标域数据进行处理，以生成目标域特征；通过所述预训练模型的目标域源域记忆网络、独立子网络和特有子网络分别对所述目标域特征进行处理，以生成目标域源域共享特征和目标域特有特征；将所述目标域源域相关特征、所述目标域共享特征和每个所述目标域特有特征进行拼接后输入预测器，获取所述第二预测结果。4.如权利要求1
‑
3任一项所述的方法，其特征在于，通过所述预训练模型的目标域源域记忆网络和特有子网络对所述目标域特征进行处理，以生成所述目标域源域共享特征，包括：所述目标域源域记忆网络对所述目标域特征进行处理，获取源域目标域历史相关特征；所述特有子网络的记忆网络对所述目标域特征进行检索，获取多个记忆表达特征；根据所述源域目标域历史相关特征和所述多个记忆表达特征进行计算，获取所述目标域源域共享特征。5.如权利要求4所述的方法，其特征在于，所述特有子网络的记忆网络对所述目标域特征进行检索，获取多个记忆表达特征，包括：对所述目标域特征与所述记忆网络中每个记忆单元进行相似度计算，获取多个相似度；根据每个所述相似度和已存储记忆特征矩阵进行计算，以生成所述多个记忆表达特征。6.一种预测模型的训练装置，其特征在于，包括：第一获取模块，用于获取多个源域数据；其中，所述多个源域数据包括源标签；
第一训练模块，用于将所述多个源域数据输入神经网络进行训练，获取第一预测结果；第一生成模块，用于根据所述第一预测结果和所述源标签调整所述神经网络的网...

【专利技术属性】
技术研发人员：易修文，段哲文，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：