公开(公告)号：CN113052271B

公开(公告)日：2022-02-15

申请号：CN202110528150.X

申请日：2021-05-14

Applicant: 江南大学

Inventor： 钱鹏江 ,  张梁 ,  蒋亦樟 ,  姚健 ,  邱恩诞 ,  辛瑜 ,  王士同 ,  陈爱国

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度神经网络的生物发酵数据预测方法，包括如下步骤：获取并预处理样本光谱数据以得到训练集；利用训练集对自监督特征提取网络模型进行训练以优化特征提取网络模型参数；利用经特征提取的数据对自动编码器网络模型进行训练以建立降维模型；对经降维模型挑选的数据进行TSK模糊回归以建立浓度预测模型；输入待测溶液的光谱数据以预测溶液浓度。本发明结合自监督学习的深度自动编码器特征提取方法，既能构造比传统的主成分分析法更为复杂的非线性映射，还可以保证其提取的特征具有利于后续的回归预测方法的语义信息，结合TSK回归预测，可以避免光谱数据维度过大、冗余信息较多的问题，而且能给出精确且具有可解释性的结果。

公开(公告)号：CN113052271A

公开(公告)日：2021-06-29

申请号：CN202110528150.X

申请日：2021-05-14

Applicant: 江南大学

Inventor： 钱鹏江 ,  张梁 ,  蒋亦樟 ,  姚健 ,  邱恩诞 ,  辛瑜 ,  王士同 ,  陈爱国

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度神经网络的生物发酵数据预测方法，包括如下步骤：获取并预处理样本光谱数据以得到训练集；利用训练集对自监督特征提取网络模型进行训练以优化特征提取网络模型参数；利用经特征提取的数据对自动编码器网络模型进行训练以建立降维模型；对经降维模型挑选的数据进行TSK模糊回归以建立浓度预测模型；输入待测溶液的光谱数据以预测溶液浓度。本发明结合自监督学习的深度自动编码器特征提取方法，既能构造比传统的主成分分析法更为复杂的非线性映射，还可以保证其提取的特征具有利于后续的回归预测方法的语义信息，结合TSK回归预测，可以避免光谱数据维度过大、冗余信息较多的问题，而且能给出精确且具有可解释性的结果。