[發明專利]基于神經網絡架構搜索技術的溫度場代理模型構建方法

在審

• 申請號: 202210258055.7
• 申請日: 2022-03-16
• 公開（公告）號: CN114692347A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 張小亞;孫家亮;王象;彭偉;姜廷松
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/27;G06N3/04;G06F119/08
• 代理公司: 北京奧文知識產權代理事務所(普通合伙) 11534
• 代理人: 張文

1.一種基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，包括：

根據組件布局設計要求，生成訓練數據，其中，所述訓練數據包括組件布局及組件布局對應的溫度場；

對所述訓練數據進行預處理；

確定神經網絡基準模型，根據所述神經網絡基準模型設定搜索參數，構建包含所有可能路徑的超級網絡模型；

基于所述超級網絡模型，隨機選擇搜索參數以得到一個子模型，利用訓練數據對子模型進行訓練以更新其模型參數，重復隨機選擇子模型和訓練過程，直至訓練次數達到預設值，得到訓練好的包括多種子模型的超級網絡模型；

基于訓練后的超級網絡模型，利用多目標優化算法搜索近似最優子模型；

利用訓練數據對所述近似最優子模型進行重新訓練以擬合組件布局與溫度場的映射關系，獲取溫度場代理模型。

2.根據權利要求1所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，所述生成訓練數據可以包括：

對組件布局區域進行網格劃分，根據組件數量隨機挑選對應數量的網格放置組件得到一個組件布局X_m，利用有限元分析方法仿真計算組件布局對應的溫度場T_m，得到一個包括組件布局及組件布局對應的溫度場的訓練數據(X_m,T_m)，重復多次隨機生成過程直至獲得預設數量M的訓練數據，得到包括M個訓練數據的訓練數據集{(X_m,T_m)|m＝1,2,…,M}。

3.根據權利要求2所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，所述對所述訓練數據進行預處理包括：

將衛星組件布局的布局區域劃分為M₁×M₂個網格，將衛星組件布局用M₁×M₂矩陣表示，有組件的網格位置對應的矩陣元素為組件功率，無組件的網格位置對應的矩陣元素為0。

4.根據權利要求1至3中任一項所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，采用具有預設層數的MobileNetV2模型作為神經網絡模型基準模型。

5.根據權利要求4所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，所述搜索參數包括：MobileNetV2模型每一層設置的擴展率，MobileNetV2模型每一層設置的卷積路徑數量，MobileNetV2模型每一層中每個卷積的卷積核大小。

6.根據權利要求5所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，MobileNetV2模型每層神經網絡的擴展率大小從[3,6]中選取，卷積路徑數量從[1,2,3,4]中選取，在卷積路徑數量確定后，每個卷積的卷積核從[3,5,7,9]中進行不重復選取。

7.根據權利要求5所述的基于神經網絡架構搜索技術的溫度場代理模型構建方法，其特征在于，所述構建包含所有可能路徑的超級網絡模型包括：

根據設定的搜索參數，確定包含所有可能路徑的MobileNetV2模型的網絡結構，根據MobileNetV2模型的層數將MobileNetV2模型的網絡結構劃分為多個部分，將劃分好的MobileNetV2模型的網絡結構替換特征金字塔網絡的主干結構ResNet模型，得到改進的特征金字塔網絡作為包含所有可能路徑的超級網絡模型，其中，多個部分對應以ResNet50為主干結構的特征金字塔網絡的左側結構，每個部分分辨率依次減半，不同部分提取不同分辨率的圖像特征。