一种基于对比学习的电池数据处理模型的无监督训练方法

专利主权项内容

1.一种基于对比学习的电池数据处理模型的无监督训练方法，其特征在于，用于训练目标模型，所述目标模型包括输入层、编码层、投影层、预测层和动量编码器，所述方法包括：通过输入层获取训练数据集，其中，所述训练数据集包括原始电池数据和与所述原始电池数据对应的对比电池数据，所述对比电池数据包括正样本数据和负样本数据；通过编码层，分别将所述原始电池数据和所述正样本数据映射至嵌入式空间，得到低维度的电池编码表示；通过投影层，提取所述原始电池数据和正样本数据的低维度的电池编码表示，得到嵌入式表示，用于提升对比学习过程中电池数据的区分度；通过预测层，分别将所述电池低维编码表示和所述嵌入式表示结合，得到预测层嵌入式表示；通过动量编码器，在分别将所述原始电池数据和所述负样本数据映射至嵌入式空间的过程中，基于所述编码层的迭代参数和字典库，以动量的方式更新所述动量编码器的参数，得到负样本数据的电池编码表示，其中，所述字典库基于所述负样本数据集合构建；通过所述训练数据集，通过计算正样本数据的预测损失和负样本数据集合对比损失，对所述目标模型进行优化训练，得到训练好的电池数据处理模型，具体包括：通过最大化所述原始电池的预测层的嵌入式编码表示和正样本电池投影层的嵌入式表示之间的相似度，以及最小化所述原始电池投影层嵌入式表示和所述负样本数据的电池编码表示之间的相似度，确定对比损失函数；以最小化所述对比损失函数为约束条件，基于所述训练数据集训练所述目标模型，在模型迭代完成之后，得到所述训练好的电池数据处理模型。