《电子测量技术杂志》发表论文赏析

超材料领域的持续学习:动态数据生成与模型性能评估

来源:电子测量技术杂志2026年第2期北京时间:

作者:陈祺东,徐国梁,邓瑞翔,吴豪

单位:1.无锡学院物联网工程学院 无锡 214105;2.南京信息工程大学计算机学院、网络空间安全学院 南京 210044;3.中国科学院上海硅酸盐研究所 上海 201899

摘要:数据集规模是影响深度学习模型性能的关键因素之一。由于深度学习模型性能高度依赖于数据集规模,实现特定精度所需的数据量通常难以预估。该问题在超材料智能设计中同样存在,成为制约建模精度和效率的重要因素。为此,提出一种动态数据生成与模型性能评估框架,以实现数据集规模与模型性能的动态监控。为提升模型动态评估效率并有效缓解灾难性遗忘现象,设计了一种持续学习策略,使模型在动态评估过程中仅需针对新数据进行学习,同时保持对已有知识的记忆。实验结果表明,基于该持续学习策略训练的模型预测平均准确率可达到93.28%,平均遗忘率为3.68%,充分验证了该模型在缓解灾难性遗忘问题方面的有效性。

关键词:微波吸收超材料;数据生成;数据集规模;灾难性遗忘

基金资助:无锡学院引进人才科研启动专项经费(2024r004)项目资助

2026年2期其他文献查阅:

改进YOLOv8n的轻量化车钥匙检测系统

基于跨模态特征融合的自闭症筛查研究

基于FPGA的高速并行时钟恢复算法设计

基于P-ROQR+Q-FRC的模块化多电平变流器环流抑制策略

基于快速终端动态滑模的三相电压型PWM整流器控制

多功能RIS辅助隐蔽通信的无人机位置优化方法

基于WOA动态复合模型的管道螺旋焊缝检测研究

融合先验掩膜与YOLOv8的FOD检测方法研究

车用动力电池组云边智控与高精度SOC估计

超材料领域的持续学习:动态数据生成与模型性能评估

融合睡眠结构与个体先验的OSA严重程度估计

信号干扰场景中无人机数据融合建模仿真

基于遗传算法与粒子群算法融合的路径规划

SGAD-YOLO:基于改进YOLO11的工作服规范穿戴检测算法

基于深度学习的无人机时频曲线重建算法

基于PIR谐波抑制的IPMSM虚拟直流信号注入MTPA控制

融合Voronoi骨架图RRT算法的防疫机器人路径规划

基于KDB-RRT算法的智能体路径规划

基于YOLOv8改进的无人机航拍路面损伤检测算法

基于改进RT-DETR的遥感图像目标检测算法

基于视觉联合检测的球团矿粒径检测方法

基于动态三元注意力网络的火星地表图像分割

ArgusFusion:基于MLP的轻量化高效的氩花分割网络

基于改进RT-DETR的转向节表面缺陷检测算法

我国太赫兹科技人才发展现状、挑战与创新路径

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!