买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉青岛大学申请的专利一种基于元学习方法的纱线质量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115908256B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211278000.9，技术领域涉及：G06T7/00；该发明授权一种基于元学习方法的纱线质量预测方法是由李臻;张元明;姜伟;潘守润;徐磊;夏雷鸣设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于元学习方法的纱线质量预测方法在说明书摘要公布了：一种基于元学习方法的纱线质量预测方法，涉及纱线质量预测技术领域，包括如下步骤：步骤1、采采用灰色关联度法分析影响纱线质量的输入参数的权重，并采用互信息算法去除冗余参数；步骤2、通过引入置信度的BiLSTM模型，挖掘输入参数与纱线质量之间的相关性；步骤3、利用元机器学习模型，采用少量纱线质量预测数据进行最终的纱线质量预测。本发明通过融合灰色管理法与互信息算法实现了特征选择，确保输入数据与纱线质量密切相关，提出引入置信度的BiLSTM模型，挖掘特征与纱线质量之间的关系，通过元学习方法解决纺纱质量预测的样本稀缺问题，提升算法的预测准确率。

本发明授权一种基于元学习方法的纱线质量预测方法在权利要求书中公布了：1.一种基于元学习方法的纱线质量预测方法，其特征为：包括如下步骤： 步骤1、采用灰色关联度法分析影响纱线质量的输入参数的权重，并采用互信息算法去除冗余参数； 步骤2、通过引入置信度的BiLSTM模型，挖掘输入参数与纱线质量之间的相关性； 步骤3、利用纺织行业的其他质量预测数据以及其他行业的生产质量预测方法进行元机器学习模型的构建，并采用少量纱线质量预测数据进行最终的纱线质量预测； 所述的步骤3包括如下具体步骤： 1B构建卷积神经网络学习模型，定义为，k为不同行业数据集，即任务序号，所有数据集的输入参数大小保持一致，并转换为的大小，并通过多层卷积层实现最终的结果预测； 2B设每个行业的质量参数为，其中i为参数序号，k为数据集，即任务序号，对于每一个任务，采用具体步骤1B中的BiLSTM进行学习，并构建输入参数与最终质量之间的关系，在训练之后可以得到该任务的模型参数为，则每一个任务通过BiLSTM得到其损失函数为； 3B将所有行业的任务均通过该神经网络训练得到的损失函数，进行求和得到对于元学习的损失函数和为： 8； 公式8中，表示为第k个任务的损失； 4B元学习的目标函数则根据公式9进行计算，使用不同任务上获得的测试误差之和作为元学习的优化对象，通过梯度下降的方式更新输入参数，最终获得一组初始化输入参数，将其运用在模型优化上： 9； 公式9中，为待学习参数，表示为第k个任务的损失； 5B将纺纱产品质量预测的数据与预测结果应用到已经更新好输入参数的具体步骤1B中的BiLSTM中进行输入参数微调。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛大学，其通讯地址为：266071 山东省青岛市市南区宁夏路308号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。