- 1、本文档共22页,其中可免费阅读21页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于时间序列特征提取的即时学习的软测量建模方法,属于工业过程软测量技术领域,针对建模数据和采集到的查询数据,首先利用递归神经网络优异的特征学习能力,提取时序数据中的高维动态潜变量,得到复杂非线性动态数据的丰富特征表达,然后利用降维算法简化隐层特征维数并消除冗余变量,最后根据所提取的代表性简约特征,由基于局部标签传播的半监督即时学习算法建立软测量模型,计算查询数据对应的输出值。本发明不仅能够利用大量无标签样本辅助建立软测量模型,还可以有效挖掘过程变量之间的动态关系,显著强化即时学习
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116738866 A
(43)申请公布日 2023.09.12
(21)申请号 202311007772.3 G06N 3/044 (2023.01)
文档评论(0)