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！

摘要：本发明涉及机器学习技术领域，公开了一种基于机器学习的全声态光纤监测方法，包括：步骤S1，使用GAS主机采集声音数据，生成模型训练集；步骤S2，搭建神经网络模型，用模型训练集训练神经网络模型，并将迭代次数和学习率预设完整；步骤S3，将声音数据集以数据立方体的结构输入神经网络模型中对神经网络模型进行训练，生成训练好的神经网络模型；步骤S4，采集现场声音数据生成声音数据集，将对应的声音数据集输入进训练好的神经网络模型中，还原得到该位置所处现场环境的声波震动情况，还原现场声音并进行监测。本发明还提供了一种基于机器学习的全声态光纤监测系统，包括采集单元、模型搭建单元、训练单元和监测单元。

主权项：1.一种基于机器学习的全声态光纤监测方法，其特征在于，包括以下步骤：步骤S1，使用GAS主机采集现场声音数据，对声音数据进行去噪，生成模型训练集；步骤S2，在GAS主机中根据CNN音频分类器捕获声音数据，使用光谱图表示声音数据集，搭建神经网络模型，使用神经网络模型捕获光谱图中的声音数据，用模型训练集训练神经网络模型，并将迭代次数和学习率预设完整；所述神经网络模型由依次连接的上层的点卷积组合模块和下层的双卷积池化组合模块构成，所述上层的点卷积组合模块包括第一卷积层、第二卷积层、第一批一归化层、第二批一归化层、第一激活函数层、第二激活函数层、最大池化层和特征相乘层；所述双卷积池化组合模块包括第三卷积层、第四卷积层、第五卷积层、全连接层、第三批一归化层、第三激活函数层、第一正则化层和损失函数层；步骤S3，将声音数据集以数据立方体的结构输入神经网络模型中对神经网络模型进行训练，生成训练好的神经网络模型；步骤S4，在实际场景下使用GAS主机采集现场声音数据生成对应的用光谱图表示的声音数据集，将对应的声音数据集输入进训练好的神经网络模型中，通过深度挖掘分析还原得到采集现场声音数据的位置所处现场环境的声波震动情况，还原现场声音并进行监测；设计所述步骤S2中点卷积组合模块的方法包括：在所述点卷积组合模块中将第一卷积层和第二卷积层并联连接；将第一卷积层依次连接第一批一归化层和第一激活函数层，在第一激活函数层中设置Relu激活函数；将第二卷积层依次连接第二批一归化层和第二激活函数层，在第二激活函数层中设置Relu激活函数；将第一激活函数层和第二激活函数层之间通过特征相乘层连接，将特征相乘层和最大池化层连接；设计所述步骤S2中双卷积池化组合模块的方法包括：在所述双卷积池化组合模块中将第三卷积层依次和第三卷积层、第四卷积层、第五卷积层、全连接层、第三批一归化层、第三激活函数层、第一正则化层、损失函数层依次连接；在第三激活函数层中设置Relu激活函数。

全文数据：

权利要求：

百度查询： 无边界(苏州)新材料科技有限公司 一种基于机器学习的全声态光纤监测方法及系统