[发明专利]基于层次化深度网络的长时序列数据处理方法有效
| 申请号： | 201711167632.7 | 申请日： | 2017-11-21 |
| 公开（公告）号： | CN107944488B | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 龙明盛;王建民;张建晋;黄向东 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;李相雨 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种基于层次化深度网络的长时序列数据处理方法，包括：S1，将所述长时序列数据输入训练好的层次化深度网络模型；S2，利用所述卷积层中的所述多对卷积核和池化核对所述长时序列数据进行单维卷积操作得到第一压缩时序数据集，并将所述第一压缩时序数据集中的所有压缩时序数据连结形成第一多维时序数据；S3，利用所述卷积层获取多个多维时序数据，并将所述多个多维时序数据中长度小于第一预设长度的多维时序数据进行组合形成第一数据集；S4，利用所述递归层和所述全连接层对所述第一数据集进行处理，以得到所述长时序列数据的分类结果向量。实现了层次化深度网络模型对长数据的自动化处理，且结果准确。 | ||
| 搜索关键词： | 基于 层次 深度 网络 时序 数据处理 方法 | ||
【主权项】：
1.一种基于层次化深度网络的长时序列数据处理方法，其特征在于，所述方法包括：S1，获取预设时间段内由待监测生产设备的工况数据构成的长时序列数据，并将所述长时序列数据输入训练好的层次化深度网络模型，所述层次化深度网络模型包括卷积层、递归层以及全连接层；其中，所述卷积层包括多对卷积核和池化核，且各对卷积核和池化核对应的卷积核的长度和池化核的长度的乘积相同；S2，利用所述卷积层中的所述多对卷积核和池化核对所述长时序列数据进行单维卷积操作得到第一压缩时序数据集，并将所述第一压缩时序数据集中的所有压缩时序数据连结形成第一多维时序数据；S3，基于所述第一多维时序数据，利用所述卷积层获取多个多维时序数据，并将所述多个多维时序数据中长度小于第一预设长度的多维时序数据进行组合形成第一数据集；S4，利用所述递归层和所述全连接层对所述第一数据集进行处理，以得到所述长时序列数据的分类结果向量，并基于所述分类结果向量得出所述长时序列数据的类别，进而确定所述待监测生产设备在所述预设时间段内的工作状态。
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清华大学，未经清华大学许可，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/201711167632.7/，转载请声明来源钻瓜专利网。
