[发明专利]一种用于安全的工业大数据分析的信息指纹提取方法

权利要求书

1.一种用于安全的工业大数据分析的信息指纹提取方法，其特征在于，该方法包括如下步骤：

(1)构建信息指纹提取网络，该网络包括孪生神经网络和自编码器；所述孪生神经网络包括两个隐含层参数共享的神经网络；自编码器包括编码器和解码器两部分结构；

(2)将原始样本和其对应的标签输入孪生神经网络的其中一个神经网络，将原始样本的正样本x+μ和其对应标签输入孪生神经网络的其中一个神经网络，进行有监督训练；其中，n代表的是样本的数量，d是样本的维度，μ～N(0,σ²)为外部噪声的模拟；其中，所述孪生神经网络的损失函数为L+λL_cl，其中，L为输入原始样本的神经网络的目标损失函数，λ是权重因子，L_cl为对比训练损失，计算公式如下

其中，h₁和h₂分别为孪生神经网络的两个神经网络的隐含层的输出；

(3)将孪生神经网络的隐含层参数保留，并迁移到一个自编码器的编码网络中作为初始化的参数，然后用原始样本来对自编码器进行无监督的训练，得到训练后的自编码器；

(4)将待获取信息指纹的样本输入训练后的自编码器，得到该样本的重构样本，重构样本和待获取指纹样本的残差值即为样本的信息指纹。

2.根据权利要求1所述的用于安全的工业大数据分析的信息指纹提取方法，其特征在于，当该方法用于故障诊断任务时，所述孪生神经网络的目标损失函数L采用交叉熵损失函数表示：

其中，i＝1,2,…,n，f_DNN(·)表示数据驱动模型的预测值。

3.根据权利要求1所述的用于安全的工业大数据分析的信息指纹提取方法，其特征在于，当该方法用于质量变量预测任务时，所述孪生神经网络的目标损失函数L采用均方误差损失函数表示：

其中，i＝1,2,…,n，f_DNN(·)表示数据驱动模型的预测值。