专利汇可以提供一种处理汽车气动系统数据的方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种估计 前馈神经网络 隐含层 节点 数目的方法,该方法包括:(1)收集 训练数据 步骤。收集训练前馈神经网络需要的数据。(2) 整理 训练数据步骤。计算训练数据的平均值和方差,将训练数据进行规范化和归一化。(3)计算协方差矩阵步骤。计算训练数据的协方差矩阵。(4)计算本征值步骤。计算协方差矩阵的本征值,并将本征值按从大到小的顺序排列。(5)计算节点数目步骤。根据本征值计算前馈神经网络隐含层的节点数目。目前,前馈神经网络隐含层节点的数目靠经验估计,很难设计出性能较高的前馈神经网络。本发明提出的估计前馈神经网络隐含层节点数目的方法,能够有效地指导前馈神经网络的设计,在 人工智能 领域中具有重要的应用价值。,下面是一种处理汽车气动系统数据的方法专利的具体信息内容。
1.一种处理汽车气动系统数据的方法,其特征在于,该方法包括:
(1)收集汽车气动系统的训练数据,收集训练前馈神经网络需要的数据;
(2)整理对于汽车气动系统故障训练数据集的训练数据,计算训练数据的平均值和方差,将训练数据进行规范化和归一化;
(3)计算汽车气动系统故障训练数据集的训练数据协方差矩阵步骤;
(4)计算协方差矩阵的本征值,并将本征值按从大到小的顺序排列;
(5)根据本征值计算前馈神经网络隐含层的节点数目。
2.如权利要求1所述的处理汽车气动系统数据的方法,其特征在于,汽车气动系统故障数据集的训练数据Xi可能有n个属性,Xi=(xi1xi2,…,xin),n称为Xi的维数,收集训练数据时,数据的各个属性用数值表示,当某个属性xij可能收集不到,则它的值可以用na表示,na表示无效,收集训练数据时,每种类别的数据都需要收集,收集的数据数目为m个时,m是n的
2倍以上,对于汽车气动系统故障测试数据集,将标记为na的属性值用训练集中相应的平均属性值代替;对数据进行规范化时,使用的平均值和方差都是训练集中的相应平均值和方差。
3.如权利要求1所述的处理汽车气动系统数据的方法,其特征在于,步骤(2)中,
如果收集了对于汽车气动系统故障训练数据集的m个训练数据X1,X2,…,Xm,其中,Xi=(xi1,xi2,…,xin),Xi中的属性xij的数据来自不同的传感器;
首先,对每个属性xj,如果属性xj的有效值有v个,1﹤v≤m,则计算有效属性值的平均值μj和方差σj,其中,μj=(x1j+x2j+…+xmj)/v,σj={[(x1j-μj)2+(x2j-μj)2+…+(xmj-μj)2]/(v-
1)}1/2,如果属性值xij无效,则xij不参与μj和σj的计算;
然后,对每个属性值xij进行规范化得到x’ij,其中,x’ij=(xij-μj)/σj,在规范化过程中,如果属性值xij标记为na,则x’ij=0,得到规范化后的数据X’i=(x’i1,x’i2,…,x’in);
最后,对每个数据X’i=(x’i1,x’i2,…,x’in)进行归一化得到X”i=(x”i1,x”i2,…,x”in),其中,x”ij=x’i1/[x’i1*x’i1+x’i2*x’i2+…+x’in*x’in]1/2。
4.如权利要求1所述的处理汽车气动系统数据的方法,其特征在于,对于汽车气动系统故障训练数据集,需要对170个属性中的每个属性都计算有效属性值的平均值,将标记为na的属性值用相应的平均属性值代替;然后进行规范化;最后进行归一化,属性值全部变换为-1.0到+1.0之间的数。
5.如权利要求1所述的处理汽车气动系统数据的方法,其特征在于,对于汽车气动系统故障训练数据集的m个训练数据X1,X2,…,Xm,其中,Xi=(xi1,xi2,…,xin),Xi中的属性xij的数据来自相同的传感器;
首先计算的xij最大值max和最小值min;
然后计算:x”ij=(xij-min)/(max-min)。
6.如权利要求1所述的处理汽车气动系统数据的方法,其特征在于,汽车气动系统故障训练数据集的m个训练数据排列成一个m行n列的矩阵X;
(x”11 x”12 … x”1n)
X=(x”21 x”22 … x”2n)
(……………………)
(x”m1 x”m2 … x”mn)
然后,将X按照矩阵的转置运算得到一个n行m列的矩阵XT;
最后,按照矩阵的运算规则,计算协方差矩阵Y=XTX,Y是一个n行n列的对称矩阵。
7.如权利要求6所述的处理汽车气动系统数据的方法,其特征在于,(4)包括:计算协方差矩阵Y的本征值包括λ1,λ2,…以及λn;并将这些本征值按从大到小的顺序排列。
8.如权利要求7所述的处理汽车气动系统数据的方法,其特征在于,步骤(5)包括:寻找一个最小的数k,满足:(λ1+λ2+…+λk)/(λ1+λ2+…+λn)≥0.99,即寻找使得主要本征值的占比超过99%的最小整数k2,则前馈神经网络中隐含层节点的数目就在k附近,以供后续进一步确定。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种利用基于图论的多重交互网络机制解决视频问答问题的方法 | 2020-05-11 | 621 |
一种基于图神经网络和注意力机制的上下文推荐方法 | 2020-05-15 | 173 |
一种信息中心网络中基于深度学习的自适应拥塞控制方法 | 2020-05-15 | 290 |
一种基于多种实体注意力和改进预训练语言模型的药物间关系抽取方法 | 2020-05-08 | 359 |
一种基于神经网络计算的多目标直接定位方法 | 2020-05-15 | 54 |
语音识别方法、服务器及计算机可读存储介质 | 2020-05-08 | 448 |
一种处理汽车气动系统数据的方法 | 2020-05-11 | 809 |
语音识别方法、系统、设备和介质 | 2020-05-14 | 444 |
一种对话系统中的句子多样性生成方法及系统 | 2020-05-16 | 987 |
用于分析图像的方法和装置 | 2020-05-15 | 249 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。