[发明专利]软仪表训练和样本补充方法在审
| 申请号： | 201910386864.4 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110245380A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 刘涵;王晓 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04;G06N3/08 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司 11315 | 代理人： | 杨洲 |
| 地址： | 710048*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 软仪表训练和样本补充方法，包括以下步骤：首先，利用原始采集的数据，作为VAE的训练样本，得到VAE的隐层变量z；其次，将VAE的解码部分作为WGAN的生成器G，从隐变量z中采样，作为G的输入，生成新的样本；最后，将真实样本与生成样本输入判别器D，判断两者的差异性，通过优化目标函数训练WGAN，以得到最接近真实数据的样本；利用此模型为软仪表生成新的训练样本，补充数据集，解决原始训练数据不足的问题，提高软仪表的训练精度，本发明生成的数据样本，与真实样本具有最高的相似度，且模型具有最快的收敛速度。 | ||
| 搜索关键词： | 样本 软仪表 训练样本 优化目标函数 原始训练数据 解码 补充数据 数据样本 样本输入 真实数据 差异性 判别器 生成器 相似度 采样 补充 隐层 收敛 采集 | ||
【主权项】：
1.软仪表训练和样本补充方法，其特征在于，包括以下步骤：步骤1，利用原始采集的数据，作为VAE的训练样本，得到VAE的隐层变量z；步骤2，将VAE的解码部分作为WGAN的生成器G，从隐变量z中采样，作为G的输入，生成新的样本；步骤3，将真实样本与生成样本输入判别器D，判断两者的差异性，通过优化目标函数训练WGAN，以得到最接近真实数据的样本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安理工大学，未经西安理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910386864.4/，转载请声明来源钻瓜专利网。
