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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于正交旋转的流式时序模型持续学习方法、装置及设备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：CN121235031B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511796886.X，技术领域涉及：G06N3/096；该发明授权基于正交旋转的流式时序模型持续学习方法、装置及设备是由王海;周晓磊;徐歆尧;丁鲲;严浩;夏凯文设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本基于正交旋转的流式时序模型持续学习方法、装置及设备在说明书摘要公布了：本申请涉及一种基于正交旋转的流式时序模型持续学习方法、装置及设备。所述方法包括：锁定预训练时序模型深层参数，从历史交通数据各时间窗口采样子数据集，按时间输入浅层多次轻量梯度更新；每次更新后提取并拼接键矩阵，投影至浅层权重矩阵行空间，分解得输入正交矩阵；构协方差矩阵分解得输出正交矩阵，更新浅层权重迭代至条件，得拥堵预测模型；输入实时交通数据出未来路况结果。本方法不破坏原始特征空间，高效低耗实现持续学习，模型预测精准。

本发明授权基于正交旋转的流式时序模型持续学习方法、装置及设备在权利要求书中公布了：1.一种基于正交旋转的流式时序模型持续学习方法，其特征在于，所述方法包括： 获取包括浅层与深层网络的预训练时序基础模型，并锁定深层网络的参数； 获取历史训练数据，其包括划分为多个时间窗口的道路车流量历史数据段，从各道路车流量历史数据段中按照预设比例进行随机采样，得到对应的多个子数据集； 将各所述子数据集按照时间依次输入至浅层网络进行多次轻量梯度更新，在每一次轻量梯度更新后，提取当前更新后浅层网络的输入键矩阵以及输出值矩阵，并将所述输入键矩阵与上一次轻量梯度更新后的输入键矩阵进行拼接，得到拼接键矩阵； 基于所述浅层网络的当前权重矩阵的行空间基，将所述拼接键矩阵投影至所述权重矩阵的行空间中，对投影结果进行奇异值分解得到输入空间对齐正交矩阵； 根据所述输入空间对齐正交矩阵计算得到的中间输出矩阵，以及输出值矩阵构建协方差矩阵，再对所述协方差矩阵进行奇异值分解，根据分解结果构建满足预设条件的输出空间校正正交矩阵，其中，构建所述协方差矩阵包括：基于所述输入空间对齐正交矩阵以及权重矩阵，分别根据当前输入键矩阵与上一次轻量梯度更新后的输入键矩阵构建第一中间输出矩阵以及第二中间输出矩阵，根据所述第一中间输出矩阵、第二中间输出矩阵、当前输出值矩阵与上一次轻量梯度更新后的输出值矩阵构建所述协方差矩阵，构建所述输出空间校正正交矩阵包括：所述协方差矩阵的奇异值分解结果包括左奇异向量矩阵与右奇异向量矩阵，所述输出空间校正正交矩阵通过所述左奇异向量矩阵与右奇异向量矩阵的转置相乘构建得到，其中，所述预设条件包括：所述输出空间校正正交矩阵满足自身转置与自身相乘等于单位矩阵的正交约束，以及，所述输出空间校正正交矩阵需使得下述公式最小： 在上式中，表示所述输出空间校正正交矩阵，分别表示所述第一中间输出矩阵、第二中间输出矩阵，分别表示当前输出值矩阵与上一次轻量梯度更新后的输出值矩阵； 根据所述输出空间校正正交矩阵对所述浅层网络的当前权重矩阵进行更新，利用权重矩阵更新后的浅层网络再进行下一次的轻量梯度更新，直至满足预设条件，则得到适配当前交通流分布的拥堵预测模型； 将实时道路车流量数据段输入至所述拥堵预测模型中，得到未来目标时间点的道路拥堵情况预测结果。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。