公开(公告)号：CN113127806A

公开(公告)日：2021-07-16

申请号：CN202110417540.X

申请日：2021-04-19

Applicant: 上海工程技术大学

Inventor： 汪丽莉 ,  刘烨 ,  李伟豪 ,  郭博研 ,  吴炎欣 ,  杨涵文

IPC: G06F17/18 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于机器学习的回归分析模型选择方法，解决了传统回归分析模型选择过程复杂、现有机器学习进行数据回归分析的适用范围受限的问题，其技术方案要点是首先选择可被使用于回归的备选连续函数模型集合，再根据选定的连续函数模型集合，使用数据增强策略生成机器训练数据图像，其次建立一个卷积神经网络，将训练数据图像输入并进行训练，最后使用训练后的卷积神经网络对待分析数据进行分析，给出最佳回归模型，本发明的一种基于机器学习的回归分析模型选择方法，能高准确率的提供逻辑清晰的回归模型，以低成本实现神经网络对真实数据的回归模型的判定能力。

公开(公告)号：CN113807490A

公开(公告)日：2021-12-17

申请号：CN202010535355.6

申请日：2020-06-12

Applicant: 上海工程技术大学

Inventor： 汪丽莉 ,  刘烨 ,  李大明 ,  李伟豪 ,  郭博研 ,  朱子杰 ,  田浥岐

IPC: G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于卷积神经网络的数据线性相关判定方法，克服了传统分析应用范围被限制的弊端，其技术方案要点是建立卷积神经网络及其训练策略，卷积神经网络根据其训练策略生成的数据图像进行训练；训练策略特指将根据非线性率和数据质量参数生成随机测量数据生成图像的策略；最终获得具有数据相关性判断能力的神经网络，并可知其判断能力受非线性率和数据质量的限制极限，能够对不同非线性率和数据质量条件下的数据线性相关性进行识别，本发明的一种基于卷积神经网络的数据线性相关判定方法，能够不依赖于变量的统计性假设，给出网络在不同条件下的判断可信度。