申请/专利权人:东北大学
申请日:2023-12-18
公开(公告)日:2024-03-15
公开(公告)号:CN117709536A
主分类号:G06Q10/04
分类号:G06Q10/04;G06N3/044;G06N3/047;G06N3/082;G06N3/09;G06N3/063;G16C20/10;G16C20/70;H02J3/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明属于动态建模技术领域,尤其涉及一种深度递归随机配置网络工业过程精准预测方法和系统,能够利用储存的历史信息进行建模,仅输入当前时刻的数据,无需获取全部阶次延时数据。在满足神经网络模型输出均方根误差减小的条件下,通过随机配置算法的不等式约束条件来找到合适神经元作为储备池候选神经元。将新增神经元连接权值重新分配,只保留新增神经元对自身及原有神经元的网络连接权值,将原有神经元对新增神经元的网络连接权值设为零,即无连接。确定新增神经元后,利用最小二乘法计算得到输出权值,判断当前层的储备池否构建完成。然后配置下一层储备池,通过最大层数、储备池最大容许神经元数和最大容许输出误差判断网络是否构建完毕。
主权项:1.一种深度递归随机配置网络工业过程精准预测方法,其特征在于,采用基于深度递归随机配置网络精准预测方法,通过数据预处理、网络层次初始化、随机配置权值和偏置,结合不等式约束条件选取和优化储备池神经元,以及利用实时数据更新的投影算法,实现了高自适应性、高预测精度的动态系统建模。
全文数据:
权利要求:
百度查询: 东北大学 一种深度递归随机配置网络工业过程精准预测方法和系统
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。