[發(fā)明專利]基于函數(shù)型寬度學(xué)習(xí)網(wǎng)絡(luò)的復(fù)雜制造過程建模與預(yù)測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202211090794.6 | 申請(qǐng)日: | 2022-09-07 |
| 公開(公告)號(hào): | CN116306197A | 公開(公告)日: | 2023-06-23 |
| 發(fā)明(設(shè)計(jì))人: | 周鵬;李笑瑜;李少波;陳光林;張黔富;王堃;張鈞星 | 申請(qǐng)(專利權(quán))人: | 貴州大學(xué) |
| 主分類號(hào): | G06F30/27 | 分類號(hào): | G06F30/27;G06F17/16;G06N3/04;G06N3/08 |
| 代理公司: | 貴陽中新專利商標(biāo)事務(wù)所 52100 | 代理人: | 胡緒東 |
| 地址: | 550025 貴州省貴*** | 國(guó)省代碼: | 貴州;52 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 函數(shù) 寬度 學(xué)習(xí) 網(wǎng)絡(luò) 復(fù)雜 制造 過程 建模 預(yù)測(cè) 方法 | ||
1.一種基于函數(shù)型寬度學(xué)習(xí)網(wǎng)絡(luò)的復(fù)雜制造過程建模與預(yù)測(cè)方法,其特征在于:該方法為:首先,利用若干基函數(shù)對(duì)離散數(shù)據(jù)進(jìn)行函數(shù)型平滑操作,初步擬合至函數(shù)型空間,形成離散數(shù)據(jù)函數(shù)化的初步表達(dá);將擬合生成的基函數(shù)系數(shù)輸入FBLS中,并利用經(jīng)過稀疏微調(diào)的隨機(jī)特征映射權(quán)重提取數(shù)據(jù)特征,生成特征映射節(jié)點(diǎn);然后,隨機(jī)生成符合標(biāo)準(zhǔn)正態(tài)分布的q、k、v向量,利用自注意力機(jī)制提取特征映射節(jié)點(diǎn)間的關(guān)系值,對(duì)映射特征進(jìn)一步增強(qiáng),生成增強(qiáng)節(jié)點(diǎn);最后,將特征映射節(jié)點(diǎn)與增強(qiáng)節(jié)點(diǎn)整合,形成FBLS的隱藏層矩陣,通過求解隱藏層矩陣的偽逆來計(jì)算出網(wǎng)絡(luò)權(quán)重,實(shí)現(xiàn)FBLS模型的訓(xùn)練。
2.根據(jù)權(quán)利要求1所述的一種基于函數(shù)型寬度學(xué)習(xí)網(wǎng)絡(luò)的復(fù)雜制造過程建模與預(yù)測(cè)方法,其特征在于:該方法具體步驟如下:
(1)將觀測(cè)值平滑得到函數(shù)X(s),則X(s)表示為:其中,稱之為基函數(shù),c是基函數(shù)系數(shù),P是基函數(shù)數(shù)量,s∈S,系數(shù)c通過最小二乘法方法來確定;得到輸入函數(shù)X(s)后,輸入函數(shù)到特征節(jié)點(diǎn)的映射方法表示為:
其中,Wi(s)是和X(s)在相同域S上的權(quán)重函數(shù),同樣用一組基函數(shù)的線性組合來表示:M為基函數(shù)個(gè)數(shù),ci為經(jīng)過系數(shù)自編碼器微調(diào)的隨機(jī)生成的基函數(shù)系數(shù),是基函數(shù),其類型和數(shù)量均為網(wǎng)絡(luò)的超參數(shù),根據(jù)富比尼定理知,對(duì)于一般函數(shù)f,若∫∑|f|<∞或∑∫|f|<∞,則∫∑|f|=∑∫|f|(Fubini,1907),因此公式(1)寫成:
其中,公式(1)的通過積分近似方法得到,βi為隨機(jī)生成的偏置矩陣;為激活函數(shù);特征映射節(jié)點(diǎn)提取數(shù)據(jù)間一定的時(shí)序特征,提取特征節(jié)點(diǎn)間的相關(guān)關(guān)系,將注意力機(jī)制引入到增強(qiáng)節(jié)點(diǎn)的計(jì)算中,將特征映射節(jié)點(diǎn)整合生成特征映射層:Zin=[Z1Z2...Zn],則基于注意力機(jī)制的增強(qiáng)節(jié)點(diǎn)αij計(jì)算方法為:
αij=qZi⊙kZj,i,j=1,2,...,n?????????(3)
其中,⊙表示點(diǎn)乘操作;q、k、v是滿標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)向量,Hi為第i個(gè)增強(qiáng)節(jié)點(diǎn),得到所有增強(qiáng)節(jié)點(diǎn)后,將m組增強(qiáng)節(jié)點(diǎn)整合得到增強(qiáng)層:Hjm=[H1,H2,…,Hm],則BLS的隱藏層表示為:
A=[Zin|Him]?????????????????????(5)
寬度學(xué)習(xí)系統(tǒng)的訓(xùn)練標(biāo)簽表示為:
Y=[Zin|Him]W=AW????????????(6)
其中,W為待學(xué)習(xí)的網(wǎng)絡(luò)權(quán)重,通過公式(7)計(jì)算得到:
其中,是矩陣A的偽逆矩陣;因此,學(xué)習(xí)權(quán)重W問題轉(zhuǎn)化成為求解隱藏層矩陣A的偽逆問題,而矩陣偽逆的求解通過公式(8)實(shí)現(xiàn):
其中,λ>0為正則化系數(shù);I為單位矩陣。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于貴州大學(xué),未經(jīng)貴州大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211090794.6/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





