-
公开(公告)号：CN110689072A
公开(公告)日：2020-01-14
申请号：CN201910912401.7
申请日：2019-09-25
Applicant: 重庆大学
Abstract: 本发明涉及一种基于知识转移的动态工业数据分类方法，属于数据挖掘领域，包括以下步骤：S1：利用多传感器获取工业过程数据；S2：训练自编码器和分类神经网络模型；S3：利用自编码器检测数据分布是否发生变化；S4：将已发生分布变化的数据用于训练新的自编码器，直到重构误差降低到阈值以内，并将新的自编码器与之前的自编码器集成；S5：将未检测到分布发生变化的数据继续用于原模型优化；当检测数据分布已经发生变化，采用知识转移的方法，找到网络连接中重要程度较高的连接权重，保持其不变，对于重要程度较低的连接权重进行进一步的训练；S6：重复步骤S3-S5，直至模型包含所有工况或者对于新数据误差降至阈值以内。
-
公开(公告)号：CN110689072B
公开(公告)日：2023-04-07
申请号：CN201910912401.7
申请日：2019-09-25
Applicant: 重庆大学
IPC: G06F18/2415 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种基于知识转移的动态工业数据分类方法，属于数据挖掘领域，包括以下步骤：S1：利用多传感器获取工业过程数据；S2：训练自编码器和分类神经网络模型；S3：利用自编码器检测数据分布是否发生变化；S4：将已发生分布变化的数据用于训练新的自编码器，直到重构误差降低到阈值以内，并将新的自编码器与之前的自编码器集成；S5：将未检测到分布发生变化的数据继续用于原模型优化；当检测数据分布已经发生变化，采用知识转移的方法，找到网络连接中重要程度较高的连接权重，保持其不变，对于重要程度较低的连接权重进行进一步的训练；S6：重复步骤S3‑S5，直至模型包含所有工况或者对于新数据误差降至阈值以内。
-
公开(公告)号：CN112633336A
公开(公告)日：2021-04-09
申请号：CN202011455251.0
申请日：2020-12-10
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多尺度特征融合的肺结节识别分类方法，属于图像处理领域。该方法包括以下步骤：S1：建立训练样本；S2：建立多尺度特征融合的肺结节良恶性分类模型；该分类模型由有三个尺度的深度卷积神经网络分类模型组成，每个模型分为特征提取部分、良恶性分类部分和特征融合部分；S3：训练肺结节分割模型。该方法能够自动提取结节的高层次特征，更加准确、快速地识别和分类肺结节。
-
-
Search Results
3
records
(took 0.017 seconds)
