稀疏数据过程建模方法

发明专利无效专利

申请号：
CN200710012776.5
IPC分类号：G06N3/02;G06N3/08;G05B17/02
申请日期：
2007-09-10
申请人：
东北大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	稀疏数据过程建模方法
申请号	CN200710012776.5	申请日期	2007-09-10
法律状态	权利终止	申报国家	中国
公开/公告日	2008-02-06	公开/公告号	CN101118610
优先权	暂无	优先权号	暂无
主分类号	G06N3/02 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕	IPC分类号	G;0;6;N;3;/;0;2;;;G;0;6;N;3;/;0;8;;;G;0;5;B;1;7;/;0;2查看分类表>
申请人	东北大学	申请人地址	辽宁省沈阳市和平区文化路3号巷11号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	东北大学	当前权利人	东北大学
发明人	关守平;尤富强
代理机构	沈阳利泰专利商标代理有限公司	代理人	王东煜

摘要

本发明涉及应用过程神经网络模型建立稀疏数据过程预测模型的方法。在对稀疏的样本数据进行预处理的基础上，应用基于离散Walsh变换的学习算法，提高过程神经网络的学习效率和建模精度。为使建立的过程预测模型能够及时修正预测偏差，根据稀疏数据过程的特点，采用了数据采样周期间网络滚动学习的方法，通过最新的采样数据及时对预测网络模型进行在线修正，从而进一步提高了预测模型的准确性。本发明为解决一类稀疏数据过程的建模问题提供了一条有效的途径。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供