龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华侨大学
摘要：本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，首先利用MMD距离度量不同频率下样本数据间的差异，得到不同频率间MMD距离矩阵D；其次，通过遗传算法求解访问所有频率所需MMD距离总和的最小代价，求解MMD距离矩阵的TSP问题；最后，利用遗传算法得到迁移顺序频率序列进行频域载荷识别神经网络模型的迁移学习。本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，通过进行迁移顺序的选择，可以得到更好的神经网络模型，有效提高模型精度，减少训练时间、得到更高的识别精度。
主权项：1.基于MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，其特征在于：利用MMD距离度量不同频率下样本数据间的差异，得到不同频率间MMD距离矩阵D；通过遗传算法求解访问所有频率所需MMD距离总和的最小代价，求解MMD距离矩阵的TSP问题；利用遗传算法得到迁移顺序频率序列进行频域载荷识别神经网络模型的迁移学习；所述TSP问题，具体包括：根据得到不同频率间MMD距离矩阵D 其中，dij表示频率ωt的数据与频率ωt+1的数据MMD差异,Ω为迁移频率模型的个数；根据每个频率模型训练一次，以及路径MMD总差异为所有路径中最小，当训练频率ωt的模型，将频率ωt的模型迁移到频率ωt+1的模型，直到Ω个频率的载荷识别模型全部训练完,得到一个迁移顺序频率序列。所述模型的迁移学习方法具体包括：以结构的多点振动响应为多输入，不相关多源载荷为多输出，利用特定频率的历史数据建立不相关多源载荷识别的多输入多输出神经网络模型；将训练后的神经网络参数作为初始参数传递到目标频率，用目标频率的历史数据对传输的神经网络进行二次训练，得到目标频率的不相关多源负荷识别模型；将训练后的目标频率神经网络参数传递给下一个目标频率，直到建立全频率的神经网络模型。
全文数据：
权利要求：
百度查询： 华侨大学 基于MMD和TSP的频域载荷识别的模型迁移学习源域选择方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号