[发明专利]一种用于分布式参数系统在线建模的增量时空学习方法有效
| 申请号： | 201910228353.X | 申请日： | 2019-03-25 |
| 公开（公告）号： | CN110045606B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 李涵雄;李旭昊;王志 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 伍传松 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 用于 分布式 参数 系统 在线 建模 增量 时空 学习方法 | ||
【权利要求书】：
1.一种用于分布式参数系统在线建模的增量时空学习方法，其特征在于，包括：
(1)向数据增量集中添加数据后，对空间基函数进行增量更新；
(2)更新时间系数，辨识时序模型；
(3)通过旧的时空合成集与步骤(1)更新后的空间基函数和步骤(2)中辨识的时序模型重建历史数据，预测未来输出；
(4)重复步骤(1)～(3)，完成时空合成集的在线更新；
所述数据增量集为收集得到的具有特定时间步长的连续数据流；
所述空间基函数为n维空间的基函数；
所述n维空间的基函数是通过时空分离方法，以时间步长为L，由训练数据中学习得到；
所述增量更新指以增量方式通过SVD更新算法，计算新的空间基函数。
2.根据权利要求1所述的增量时空学习方法，其特征在于，新的空间基函数的计算方法为：
3.根据权利要求1所述的增量时空学习方法，其特征在于，步骤(2)所述更新时间系数的方法为：
4.根据权利要求1所述的增量时空学习方法，其特征在于，步骤(3)所述辨识时序模型的方法为：
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中南大学，未经中南大学许可，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/pat/books/201910228353.X/1.html，转载请声明来源钻瓜专利网。
