申请/专利权人:河南工业大学
申请日:2020-06-28
公开(公告)日:2024-04-26
公开(公告)号:CN111915246B
主分类号:G06Q10/087
分类号:G06Q10/087;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2020.11.27#实质审查的生效;2020.11.10#公开
摘要:本发明属于人工智能应用在粮食储藏技术领域,具体涉及一种粮仓储粮数量平行检测方法,首先,采用混合数据生成方法根据真实数据样本产生虚拟数据样本,然后,分别输入平行检测模型,其中初级层采用分解条件模糊推理进行特征抽取,经过特征共享层实现虚实数据特征互动,根据目标函数设计实现多层特征抽取,接着,经过回归层输出粮食数量;为进一步提高泛化能力,采用区间二型模糊集成的虚实互动平行检测模型,最终输出由真实数据驱动的区间二型模糊推理系统得到;本发明的粮仓储粮数量平行检测方法检测结果精度高、模型泛化能力强,具有重要技术应用和推广价值。
主权项:1.一种粮仓储粮数量平行检测方法,其特征在于,包含以下步骤:步骤1、采用混合数据生成方法根据真实数据样本产生虚拟数据样本,其中混合数据生成方法采用基本数据生成方法和生成对抗网络混合模式;步骤1具体包括:对于真实数据样本训练得到随机函数连接分解模糊神经网络;采用基本数据生成方法,对于高维压力传感器数据输入向量加入高斯噪声,初步生成多组虚拟输入数据样本;采用生成对抗网络对上面初步生成的多组虚拟输入数据样本和真实实验输入数据样本通过对抗训练,最终生成多组虚拟输入数据样本;将上面最终生成的多组虚拟输入数据样本输入之前训练好的随机函数连接分解模糊神经网络计算得到相应储粮数量标签;步骤2、构建基于特征共享的虚实互动平行检测模型,将真实数据样本和虚拟数据样本分别输入平行检测模型进行处理,输出粮食数量;所述基于特征共享的虚实互动平行检测模型包括真实数据检测部分和虚拟数据检测部分,所述真实数据检测部分和虚拟数据检测部分均包括初级层、特征抽取层和回归层,在两部分之间设置特征共享层;初级层采用分解条件模糊推理对虚拟数据或真实数据进行特征抽取;通过线性非线性变换得到的特征共享层实现虚实数据特征互动;由特征共享层再到特征抽取层进行多层特征抽取;最后经过回归层计算输出粮食数量;步骤3、构建区间二型模糊集成的虚实互动平行检测模型,将多组平行检测模型的输出分别输入集成平行检测模型进行处理,得到最终输出粮食数量;所述区间二型模糊集成的虚实互动平行检测模型分为同质集成平行检测模型或者异质集成平行检测模型,具体包括:对于虚实互动的平行检测模型分为同质结构或者异质结构,当真实数据样本和虚拟数据样本输入的深度学习模型类型相同时,称为同质平行检测模型,当真实数据样本和虚拟数据样本采用的深度学习模型类型不同时,称为异质平行检测模型;当由同质平行检测模型区间二型集成的平行检测模型是同质的,异质平行检测模型区间二型集成的平行检测模型是同质的或者异质的,如果每个异质平行检测模型包含的两种深度学习模型分别相同,则集成的平行检测模型也是同质的,否则,只要存在某个异质平行检测模型和其他异质平行检测模型的组成不同,集成的平行检测模型是异质的。
全文数据:
权利要求:
百度查询: 河南工业大学 一种粮仓储粮数量平行检测方法
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。