一种多模态自适应机器学习方法及装置

专利主权项内容

1.一种多模态自适应机器学习方法，其特征在于，所述方法包括：获取待求解对象及待求解对象的训练数据；若所述待求解对象在长时记忆中存在相关的机器学习模型，则根据所述待求解对象的训练数据，将长时记忆中的所述待求解对象相关的机器学习模型应用于求解所述待求解对象；若所述待求解对象在长时记忆中不存在相关的机器学习模型，则根据所述待求解对象的训练数据，在工作记忆中构建所述待求解对象相关的机器学习模型，并将工作记忆中构建的所述待求解对象相关的机器学习模型应用于求解所述待求解对象；所述若所述待求解对象在长时记忆中存在相关的机器学习模型，则根据所述待求解对象的训练数据，将长时记忆中的所述待求解对象相关的机器学习模型应用于求解所述待求解对象包括：当长时记忆中存在PMS、DA系统的基础输入数据相关的机器学习模型，则直接调用长时记忆中的所述PMS、DA系统的基础输入数据相关的机器学习模型，将知识驱动学习算法和数据驱动学习算法融合，利用迁移学习的方法确定配电网综合健康诊断对应的数据集；当长时记忆中存在配电网调度数据相关的机器学习模型，直接调用长时记忆中的所述配电网调度数据相关的机器学习模型，将知识驱动学习算法和数据驱动学习算法融合，利用迁移学习的方法借助强化学习的贪心策略选择最可靠、能获得最大奖励的调度决策；所述若所述待求解对象在长时记忆中不存在相关的机器学习模型，则根据所述待求解对象的训练数据，在工作记忆中构建所述待求解对象相关的机器学习模型，并将工作记忆中构建的所述待求解对象相关的机器学习模型应用于求解所述待求解对象，包括：当长时记忆中不存在PMS、DA系统的基础输入数据相关的机器学习模型，则需要根据PMS、DA系统的基础输入数据，利用知识驱动学习算法构建所述待求解对象的安全可行域，然后利用数据驱动学习算法提升所述待求解对象的性能精度，获取所述待求解对象相关的机器学习模型；当长时记忆中不存在配电网调度数据相关的机器学习模型，则需要根据配电网调度数据，利用知识驱动学习算法构建所述待求解对象的安全可行域，然后利用数据驱动学习算法提升所述待求解对象的性能精度，获取所述待求解对象相关的机器学习模型；所述将长时记忆中的所述待求解对象相关的机器学习模型应用于求解所述待求解对象，包括：调用长时记忆中所述待求解对象相关的机器学习模型中的知识驱动学习算法和数据驱动学习算法，确定所述待求解对象的求解结果；所述知识驱动学习算法包括贝叶斯学习和引导学习；所述数据驱动学习算法包括深度学习、强化学习、线性回归以及决策向量机SVM。