申请/专利权人：江苏大学

申请日：2020-02-25

公开（公告）日：2023-08-22

公开（公告）号：CN111401547B

主分类号：G06N3/08

分类号：G06N3/08;G06N3/06;G06Q50/30

优先权：

专利状态码：有效-授权

法律状态：2023.08.22#授权;2020.08.04#实质审查的生效;2020.07.10#公开

摘要：本发明公开了一种面向乘客流分析的基于循环学习单元的HTM设计方法，面向乘客流分析应用，在使用HTM分析乘客流时，提出使用面向乘客流分析的基于循环学习单时间池方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，加强HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能；通过循环学习单元的训练方法，使得循环学习单元能学习乘客流数据中包含的特性，实现HTM对同时蕴含时间跨度较短和较长规律的乘客流更强的学习能力。本发明提高了HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能，从而保证了在处理同时蕴含时间跨度较短和较长规律的乘客流时HTM的有效性和实用性。

主权项：1.一种面向乘客流分析的基于循环学习单元的HTM设计方法，其特征在于，包括以下步骤：步骤1，采集某个较长时间段内，公共交通或出租车等的乘客数量信息，与当时的时间信息一起构建历史乘客数量数据集，使其包含历史乘客数量和时间则两方面的特性，构成具有时序特性的乘客数量流；步骤2，针对乘客流分析应用，将具有时序特性的乘客数量流作为基于HTM分析方法的输入；步骤3，使用面向乘客流分析的基于循环学习单时间池方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元学习序列数据的能力相互结合，加强HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能；步骤4，通过循环学习单元的训练方法，使得循环学习单元能学习乘客流数据中包含的特性，实现HTM对蕴含时序跨度大规律的乘客流数据更强的学习能力；步骤5，完成对历史乘客流数据分析，输出在某种条件下对乘客流数据预测；所述步骤3中主要包括以下步骤：步骤3.1，找出HTM时间池中t时刻处于激活状态的循环学习单元；步骤3.2，使用这些循环学习单元与HTM时间池中t-1时刻激活态循环学习单元之间的树突连接值、以及循环学习单元中上一时刻的隐藏层作为当前循环学习单元的输入；步骤3.3，计算循环学习单元在t时刻的隐藏层计算方法如下： 表示t时刻HTM中第j个微柱中第i个HTM神经元对应的循环学习单元中隐藏层神经元的激活值；表示由HTM中第j个微柱中第i个HTM神经元上的突触连通数值组成的向量；Whx和Whh分别表示循环学习单元中输入层和隐藏层、隐藏层和隐藏层之间的权值矩阵，bh是隐藏层的偏置矩阵，f是使用双曲正切函数tanh构造的非线性激活函数；步骤3.4，计算循环学习单元在t时刻的输出计算方法如下： σ表示循环学习单元输出层的激活函数，Wyh表示循环学习单元中隐藏层和输出层之间的权重矩阵；步骤3.5，计算循环学习单元在t时刻的预测值计算方法如下： 步骤3.6，找出HTM在t时刻对t+1时刻的预测循环学习单元计算方法如下： 表示在t时刻是HTM神经元处于激活态，1代表激活，0代表未激活；μ是设定的超参数；所述步骤4中主要包括以下步骤：步骤4.1，找出HTM时间池中t-1时刻处于预测状态的循环学习单元和t时刻处于激活状态的循环学习单元；步骤4.2，使用HTM时间池中t时刻这些循环学习单元是否被激活来计算循环学习单元的误差E，计算方法如下： 步骤4.3，调整循环学习单元中的权重和偏置参数，计算方法如下： 其中,θ为[Whx,Whh,Wyh,bh],θnew表示θ经过训练后最小误差处理后的新值,λ是学习率,表示对函数的某个变量求偏导数。

全文数据：

权利要求：

百度查询： 江苏大学 一种面向乘客流分析的基于循环学习单元的HTM设计方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD