[发明专利]一种基于机器学习的自适应稀疏时频分析方法有效
申请号: | 201910993859.X | 申请日: | 2019-10-18 |
公开(公告)号: | CN110796047B | 公开(公告)日: | 2022-08-09 |
发明(设计)人: | 鲍跃全;郭奕兵;李惠 | 申请(专利权)人: | 哈尔滨工业大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人: | 孙莉莉 |
地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出一种基于机器学习的自适应稀疏时频分析方法,所述方法包括以下步骤:步骤1、传感器测量得到的信号经过滤波得到目标信号矩阵;步骤2、构建初始相位函数和初始基矩阵,作为整个方法的已知输入;步骤3、采用一个四层神经网络作为非凸最小二乘目标函数的求解器;步骤4、通过定义一个损失函数作为目标函数,训练网络权重,由权重计算得到时变频率,并积分更新相位函数和基矩阵,进行神经网络权重进一步优化。该方法结合了机器学习中神经网络和时频分析方法,可实现自动学习和优化求解非凸最小二乘问题,以及显著减少算法对初值的敏感性。 | ||
搜索关键词: | 一种 基于 机器 学习 自适应 稀疏 分析 方法 | ||
【主权项】:
1.一种基于机器学习的自适应稀疏时频分析方法,其特征在于:所述方法包括以下步骤:/n步骤1、传感器测量得到的信号经过滤波得到目标信号矩阵;/n步骤2、构建初始相位函数和初始基矩阵,作为整个方法的已知输入;/n步骤3、采用一个四层神经网络作为非凸最小二乘目标函数的求解器;/n步骤4、通过定义一个损失函数作为目标函数,训练网络权重,由权重计算得到时变频率,并积分更新相位函数和基矩阵,进行神经网络权重进一步优化。/n
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哈尔滨工业大学,未经哈尔滨工业大学许可,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/201910993859.X/,转载请声明来源钻瓜专利网。