買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東省海洋資源與環境研究院(山東省海洋環境監測中心、山東省水產品質量檢驗中心)申請的專利一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120354318B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510837471.6，技術領域涉及：G06F18/2433；該發明授權一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法及系統是由趙玉庭;張超;程玲;于寧;聶婕;蘇博;金曉杰;左子杰設計研發完成，并于2025-06-23向國家知識產權局提交的專利申請。

本一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法及系統在說明書摘要公布了：本發明涉及海洋生物群落監測技術領域，尤其是涉及一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法及系統。方法包括對獲取的多源異構監測數據進行數據預處理；利用預處理后的數據構建多模態聯合特征；利用多模態聯合特征進行跨模態教師模型訓練；基于歷史海洋生態序列數據對學生模型進行訓練；利用跨模態教師模型對學生模型進行強化知識蒸餾；利用訓練好的學生模型進行海洋生態群落時間序列預測；基于歷史數據與預測數據進行異常檢測。基于對現有海洋生物群落監測技術瓶頸的突破，本發明實現了多維度的技術提升與應用價值。

本發明授權一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法及系統在權利要求書中公布了：1.一種基于記憶混合原型與知識蒸餾的海洋生物群落監測方法，其特征在于，包括： 獲取多源異構監測數據； 對獲取的多源異構監測數據進行數據預處理； 利用預處理后的數據構建多模態聯合特征； 利用多模態聯合特征進行跨模態教師模型訓練； 基于歷史海洋生態序列數據對學生模型進行訓練； 利用跨模態教師模型對學生模型進行強化知識蒸餾； 利用訓練好的學生模型進行海洋生態群落時間序列預測； 基于歷史數據與預測數據進行異常檢測； 所述對獲取的多源異構監測數據進行數據預處理，包括針對生物光學影像采用雙邊濾波算法對原始影像進行去噪，通過空間鄰近度與像素相似度的聯合加權，抑制水體渾濁導致的散射噪聲；對時域回波信號進行短時傅里葉變換，通過漢寧窗函數截取局部信號段，生成時頻矩陣；對溫度和鹽度數值型數據進行標準化處理；對文本數據采用SBERT模型將生態關系三元組文本編碼為768維語義嵌入向量； 所述利用預處理后的數據進行跨模態教師模型訓練，包括為多模態聯合特征添加可學習位置編碼PE得到初始狀態，再由CLMs進行處理以生成上下文嵌入，包括矯正注意力、層歸一化及前饋運算，最后利用Transformer編碼器PT編碼器·，通過文本模態中的來重建時間序列模態中的真實值，實現跨模態重建，其中，CLMs中的LN和FFN定義如下： 其中是經過第二層LN后的輸出，和是可學習的縮放與平移參數，和分別表示均值與標準差，代表逐元素相乘； 所述基于歷史海洋生態序列數據對學生模型進行訓練，包括給定歷史數據，逆向嵌入層將轉換為可學習的矩陣，以捕捉跨多個變量的時間依賴性，首先通過可逆實例進行歸一化處理，以減輕分布偏移的影響，隨后，歸一化后的嵌入表示隨后被送入一個Transformer編碼器TST編碼器·，用于建模多變量間的時間依賴關系，最終輸出以融合時序與跨變量的特征； 所述利用跨模態教師模型對學生模型進行強化知識蒸餾，包括通過對齊教師網絡中的強化ET編碼器·與學生時間序列TST編碼器·之間的注意力圖，促使學生模型模仿教師的行為實現正相關性蒸餾；通過對齊教師模型與學生模型的嵌入空間實現特征蒸餾；整體蒸餾損失結合相關性蒸餾損失與特征蒸餾損失，以指導學生的學習過程，總知識蒸餾損失定義為： 其中，和是用于平衡相關性蒸餾損失與特征蒸餾損失貢獻的超參數； 所述利用訓練好的學生模型進行海洋生態群落時間序列預測，包括采用學生模型進行推理，其中，是來自蒸餾學生模型的時間序列嵌入表示，將輸入至投影函數中以完成未來預測，表示為： 其中為海洋生態群落歷史數據輸入，代表海洋生態群落預測結果，與為可學習參數，最終輸出進行歸一化處理，預測損失采用SL1損失函數：其中，代表預測樣本量的數量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東省海洋資源與環境研究院(山東省海洋環境監測中心、山東省水產品質量檢驗中心)，其通訊地址為：264006 山東省煙臺市經濟開發區長江路216號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。