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！

龙图腾网获悉桂林理工大学申请的专利一种基于云端的Tina R329增量学习与自动模型部署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：CN120106245B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510256954.7，技术领域涉及：G06N20/00；该发明授权一种基于云端的Tina R329增量学习与自动模型部署方法是由谢晓兰;王博文;樊婷设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种基于云端的Tina R329增量学习与自动模型部署方法在说明书摘要公布了：本发明公开了一种基于云端的TinaR329增量学习与自动模型部署方法，涉及云计算、机器学习和嵌入式系统领域，包括数据采集与标准化、数据再平衡、模型预训练、增量学习、模型量化和模型部署等技术步骤，最终实现将优化后的模型通过无线通信自动推送至本地设备，并在本地设备实时完成最新模型的部署，而无需人工干预。本发明充分利用云平台的强大计算资源，对嵌入式设备实时采集的环境数据进行高效分析与处理，使设备能够快速响应并适应环境变化，显著提升了系统的智能化和自动化水平。该方法特别适用于需要频繁更新模型且依赖实时反馈的应用场景，如智能硬件、物联网设备及边缘计算领域，具有广阔的应用前景和商业价值。

本发明授权一种基于云端的Tina R329增量学习与自动模型部署方法在权利要求书中公布了：1.一种基于云端的TinaR329增量学习与自动模型部署方法，其特征在于，包括以下步骤： S1、数据采集与标准化：将TinaR329从传感器组获取的周围环境测试数据上传至云端； S2、数据再平衡：对S1中获得的数据进行数据再平衡，增加少数类样本，提高少数类样本比例； S3、模型预训练：每当新的数据上传时，云端系统根据模型版本决定是否需要重新训练； S4、增量学习：对S2的数据进行微调和优化，避免从头开始训练，快速调整模型以适应新的数据特征； S5、模型量化：将模型参数转换为较低精度的形式，以适应嵌入式硬件的运行需求； S6、模型部署：将优化后的模型通过无线通信自动推送至本地设备，本地设备实时部署最新的模型； S4具体包括以下步骤： S41、模型加载，加载当前云端已训练的最新版本模型； S42、增量更新，使用增量梯度下降法，每次从新数据取小批次数据来更新模型的权重，直到所有数据被处理，在增量梯度下降中，每次参数更新的公式1为： 1； 1式中，θ表示模型权重，是学习率用于控制每次更新的步长，是损失函数，是损失函数关于模型参数的梯度； S43、收敛检测，判断模型是否已达到预期的收敛状态； S44、模型评估，每次更新后，生成预测模型的预测召回率和准确率以及F1分数； S5具体包括以下步骤： S51、模型转换，使用TensorFlowLiteConverter将原始TensorFlow模型转换为TensorFlowLite模型； S52、模型量化，使用TensorFlowLit将浮点数模型量化为8位整数模型，量化公式如2所示： 2； 2式中，是真实值，q是B-位整数量化表示，是缩放因子，其定义为： ； 决定了浮点到整数的映射比例，z是零点，表示量化过程中为了映射浮点数范围而引用的偏移； S53、使用TensorFlowLiteInterpreter测试模型的准确性和性能，以确保转换没有引入错误； S54、保存模型，将模型命名为model_v_x.tflite； S55、生成模型版本号，保存为version.json，记录当前模型的版本号，发布日期和准确率； S56、文件完整性，生成模型文件model_v_x.tflite的国密SM3哈希校验码，并存在version.json文件中。

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桂林理工大学，其通讯地址为：541004 广西壮族自治区桂林市七星区建干路12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。