[发明专利]基于函数型宽度学习网络的复杂制造过程建模与预测方法在审
| 申请号： | 202211090794.6 | 申请日： | 2022-09-07 |
| 公开（公告）号： | CN116306197A | 公开（公告）日： | 2023-06-23 |
| 发明（设计）人： | 周鹏;李笑瑜;李少波;陈光林;张黔富;王堃;张钧星 | 申请（专利权）人： | 贵州大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F17/16;G06N3/04;G06N3/08 |
| 代理公司： | 贵阳中新专利商标事务所 52100 | 代理人： | 胡绪东 |
| 地址： | 550025 贵州省贵*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于函数型宽度学习网络的复杂制造过程建模与预测方法，该方法为：以函数作为模型的输入，利用权重函数提取输入函数的时序特征，利用积分近似方法求得特征映射节点；然后利用注意力机制提取特征映射节点间的相互关系，从而提高模型的表达能力；最后利用求解隐藏层矩阵的伪逆矩阵来计算得到网络权重。本发明降低了对预测的训练数据的采样间隔的要求，既可以实现对等间隔采样数据的预测，同时也能对非等间隔采样数据进行端到端的预测分析。同时，AFBLS利用注意力机制来对特征映射节点进行进一步的特征提取，抽取出了特征映射节点间的相关关系，更进一步的提高了预测的准确度。 | ||
| 搜索关键词： | 基于 函数 宽度 学习 网络 复杂 制造 过程 建模 预测 方法 | ||
【主权项】：
暂无信息
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贵州大学，未经贵州大学许可，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/202211090794.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种IGBT保护装置
- 下一篇：一种建筑内远程设备大数据智能化采控平台
