[发明专利]多层感知机构建缺失值填补与分类并行的多任务学习方法

说明书

本发明提供多层感知机构建缺失值填补与分类并行的多任务学习方法，涉及多任务学习方法技术领域。该多层感知机构建缺失值填补与分类并行的多任务学习方法，包括：S1、令{(x_i,t_i)|x_i∈R^s；t_i∈R^c,i＝1,2,…,n}表示带类标签的不完整数据集，S2、据其他输入值展开求解，S3、在分类任务中，用z_ij表示输出层j+m个神经元的输出值，S4、模型训练时，在完整样本的基础上进行，开始参与填补计算时，分两种情况。该多层感知机构建缺失值填补与分类并行的多任务学习方法，通过多任务学习填补模型，可以实现不完整数据集在同一个网络上并行填补缺失值和样本分类，在计算的时候，拟合和分类任务共享了部分网络参数，所以模型可以权衡多任务的前提下更高效的学习数据内所蕴含的有效信息。

技术领域

本发明涉及多任务学习方法技术领域，特别的为多层感知机构建缺失值填补与分类并行的多任务学习方法。

背景技术

工业生产过程中，需要监控不同工段、不同部位传感器的数据，当数据变量在采集的过程中，往往存在一定误差，而变量的准确预测可以为系统的调度及决策提供重要指导，也是预测控制技术的重要组成部分。目前,基于数据的预测方法被广泛应用于生产过程变量预测中，然而鉴于工业数据普遍具有高噪声、含缺失点等特点，难以准确拟合过程变量之间的复杂非线性关系，从而使得对模型精度的提升提出了巨大挑战。

综上所述，研发多层感知机构建缺失值填补与分类并行的多任务学习方法，仍是多任务学习方法技术领域中急需解决的关键问题。

发明内容

本发明提供的发明目的在于提供多层感知机构建缺失值填补与分类并行的多任务学习方法，解决上述背景技术中的问题。

为实现以上目的，本发明通过以下技术方案予以实现：多层感知机构建缺失值填补与分类并行的多任务学习方法，包括以下步骤：

S1、令{(x_i,t_i)|x_i∈R^s；t_i∈R^c,i＝1,2,…,n}表示带类标签的不完整数据集；

S2、在不完整数据集的拟合任务中，输出层第j中，1≤j≤m个神经元用于拟合符号为a_j的不完整属性，神经元在计算输出y_ij时，需剔除输入所包含的并根据其他输入值展开求解；

令其中r_1j种除第a_j置0外其余均设定成1，同时r₂＝[1]_c*1；用于标记中每个元素是否参与计算；

S3、在分类任务中，用z_ij表示输出层j+m个神经元的输出值，在实际运行中需要剔除输入中的类标签t_i，并利用泰勒级数对x_i展开，同时函数变量变种为用于标记输入中每个元素是否参与运算；

S4、模型训练时，在完整样本的基础上进行，开始参与填补计算时，分两种情况：第一种，当不完整样本的类标签已知时，第二种，当不完整样本的类标签未知时。

进一步的，在S1操作步骤中，其中：

s—属性个数；

c—类的数量；

n—样本数量；

x_i＝[x_i1,x_i2,…x_is]^T是数据集中第i个样本；