申请/专利权人:郑州轻工业大学
申请日:2022-09-16
公开(公告)日:2022-12-02
公开(公告)号:CN115423026A
主分类号:G06K9/62
分类号:G06K9/62;G06F17/16;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.20#实质审查的生效;2022.12.02#公开
摘要:本发明提出了一种基于对抗shapelet学习的阳极效应早期预报方法,应用于故障位置、故障信号趋势的诊断与预测。其步骤为:首先,根据铝电解槽阳极的位置关系计算阳极电流信号的邻接矩阵;其次,根据阳极电流信号的邻接矩阵,获取自适应空间结构的shapelet学习分类器,并构建多头对抗神经网络;最后,利用自适应网络shapelet学习方法对抗神经网络进行优化,得到对抗神经网络模型;并将输入时间序列输入对抗神经网络模型得到分类结果。本发明通过建立自调节邻接矩阵作为自适应网络和多样性规则化的约束为后续的子序列特征学习;通过将对抗网络与shapelet学习方法相结合,加强了shapelets的可解释性。
主权项:1.一种基于对抗shapelet学习的阳极效应早期预报方法,其特征在于,其步骤如下:步骤一:根据铝电解槽阳极的位置关系计算阳极电流信号的邻接矩阵;步骤二:根据步骤一的阳极电流信号的邻接矩阵,获取自适应空间结构的shapelet学习分类器;步骤三:基于自适应空间结构的shapelet学习分类器构建多头对抗神经网络;步骤四:利用梯度下降优化算法对抗神经网络进行优化,得到最终的多头对抗神经网络模型;并将输入时间序列输入多头对抗神经网络模型得到分类结果。
全文数据:
权利要求:
百度查询: 郑州轻工业大学 基于对抗shapelet学习的阳极效应早期预报方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。