[发明专利]一种检测模型的确定方法、验证方法和装置

说明书

本文公开了一种检测模型的确定方法，包括，获取样本数据；根据从所述样本数据中划分出的第一样本数据子集初始化并训练长短时记忆神经网络，确定训练好的所述长短时记忆神经网络；根据所述样本数据确定第一任务集集合，利用所述第一任务集集合采用预定的元学习训练算法对训练好的长短时记忆神经网络的模型参数进行调整，确定调整模型参数后的所述长短时记忆神经网络为所述检测模型。还公开了一种检测模型的验证方法，用于检测上述方法所确定的检测模型的检测准确度。

技术领域

本公开涉及但不限于计算机技术领域，特别是涉及到一种检测模型的确定方法、所述检测模型的验证方法和对应的装置。

背景技术

PHM(故障预测与健康管理)是利用各类先进传感器实时监测装备运行状态参数及特征信号，借助智能算法和模型来评估装备健康状态，预测剩余使用寿命，诊断故障类型并在故障发生前提供一系列的故障维修决策的系统。PHM技术是由先进的诊断技术、测试技术装备维修管理理论相结合的产物。借助该项技术的故障诊断能力来识别故障类型。装备使用人员与维修人员明确装备故障类型，从而采取有效的维修方式，有效降低故障风险，节约装备资源，减少因装备故障误诊带来的经济损失。

目前，PHM技术对于实施装备产生的未知、少次信号的检测的方法目前主要有：基于传统的机器学习的检测方法，基于深度学习的方法，基于专家系统的检测方法。

基于传统的机器学习与深度学习方法的缺陷在于：在缺少足够的训练样本的情况下，容易造成学习过拟合现象，并陷入局部最优化。基于专家系统的检测方法，依赖于先验的背景知识，对于已知样本的检测具有很好的效果，但对于未知的、少次样本的信号的检测判断不稳定。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本公开实施例提供了一种检测模型的确定方法，能够基于未知或少量样本数据建立具备高检测准确率的检测模型。本公开实施例还提供一种对上述检测模型进行验证的方法，确定该检测模型的检测准确度。

本公开实施例提供一种检测模型的确定方法，包括，

获取样本数据，所述样本数据包括：携带有正常标签的正常样本数据和携带有异常标签的异常样本数据；

根据从所述样本数据中划分出的第一样本数据子集初始化并训练长短时记忆神经网络，确定训练好的所述长短时记忆神经网络；

根据所述样本数据确定第一任务集集合，利用所述第一任务集集合采用预定的元学习训练算法对训练好的长短时记忆神经网络的模型参数进行调整，确定调整模型参数后的所述长短时记忆神经网络为所述检测模型。

一些示例性实施例中，所述根据所述样本数据确定第一任务集集合，包括：

将所述样本数据分为正常样本数据集和异常样本数据集；

根据所述正常样本数据集和所述异常样本数据集构建多组支持集和疑问集；

根据所述多组支持集和疑问集，确定多个任务集；其中，每一个任务集对应一组支持集和疑问集；

从所述多个任务集中选择第一预设比例的任务集构成所述第一任务集集合。

一些示例性实施例中，所述样本数据从1个设备中采集，每一个设备所采集的正常样本量和异常样本量相等；

根据所述正常样本数据集和所述异常样本数据集构建多组支持集和疑问集，包括：

将所述正常样本数据集分为1个正常子集，将所述异常样本数据集分为1个异常子集；每一个正常子集中的样本数据为同一个设备所采集的正常样本数据，每一个异常子集中的样本数据为同一个设备所采集的异常样本数据；

每一组支持集和疑问集分别根据以下方式构建：