[发明专利]对时变分布数据进行回归预测在线迁移学习的方法

摘要

本发明提供一种对时变分布数据进行回归预测在线迁移学习的方法，其包括以下步骤：S1：获取线下时变分布数据及其对应的标签；S2：将S1中的数据和标签按照时间先后顺序平均分为两部分；S3：建立第一预测模型LSTM‑DTLN；S4：建立第二预测模型LSTM‑DNN；S5：在在线阶段，精调LSTM‑DTLN模型；S6：利用LSTM‑DNN和得到的个LSTM‑DTLN对在线数据进行预测，得到预测结果；S7：监测预测误差，当误差超过阈值thp时，精调LSTM‑DTLN；S8：计算线下数据中随机样本和最近在线新样本学习到的特征之间的多核最大均值差异，当超过预定阈值thd时，用最近的数据重建LSTM‑DTLN和LSTN‑DNN。本发明将深度学习与在线迁移学习相结合，解决了时变分布数据的在线回归预测问题。