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：南京航空航天大学
摘要：本发明公开了一种基于终身学习的直升机装配物料送达时间预测方法，将物料车间实时生产数据引入到送达时间预测模型构建中，融合历史生产数据形成训练样本；集成神经元之间的时序递归与基于注意力机制的全局特征交互构建预测模型；将调整好参数的模型部署于实际应用场景，利用实时生产数据进行测试，在测试过程中通过无监督和在线的方式计算模型的参数重要性；当预测误差大于阈值时利用参数重要性微调模型，采用Net2Net的方式对模型进行分裂增殖，利用参数的重要性进行正则化约束，实现微调模型的快速训练，以神经元的重要性评估为标准对网络进行结构化剪枝。本发明通解决了物料送达时间实时预测过程中的精度随着时间的推移发生降低的问题。
主权项：1.一种基于终身学习的直升机装配物料送达时间预测方法，其特征在于，包括以下步骤：1按照时序采集直升机装配所需物料的制造数据，并将制造数据按照时序划分为历史数据与实时数据；2将历史数据划分为训练集和验证集，并进行归一化处理；利用训练集来对深度神经网络即物料送达时间预测模型进行训练，获得一组预测模型的参数最优解；并利用验证集对模型预测效果进行验证，从而保证模型的准确性与泛化性；3将训练好的模型利用实时数据进行测试，在测试过程中通过无监督在线的方式计算参数的重要性；并对模型的预测误差进行在线监控，当预测误差大于所设置的阈值时则对模型进行微调；4对模型进行微调时，以训练好的模型结构和参数为基础，对源模型中的神经网络结构进行分裂增殖，在不改变网络输出的前提下扩大网络的结构保证网络具有容纳新知识的能力；5采用最新的实时数据对模型参数进行调整，利用参数重要性进行正则化约束，通过自适应的调整方式平衡历史知识与新知识，训练完成后计算并保存每个神经元的重要性；6利用各个神经元的重要性对训练好的新模型进行迭代结构剪枝；7将微调后的模型分别在历史数据集与实时数据集上进行预测效果的验证，保证模型在实时数据集上训练时不会对历史的数据集分布发生遗忘，从而实现物料送达时间预测模型的持续预测。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于终身学习的直升机装配物料送达时间预测方法
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