The invention discloses an intelligent learning system and method combining data signal and knowledge guidance. It includes four modules to determine the number of nodes in the hidden layer of parameters: the center value of the basis function, the expansion constant of the basis function and the weights; the learning module, which uses the self-organizing selection method, carries out the learning stage; the logical regression algorithm module, which fits a logical function according to the collected data variables to predict the probability of a fault, and achieves that the data in a certain period can be separated from a certain range. Judging what kind of faults often occur in elevators, according to the needs of maintenance decision-making according to faults; on the premise of independent predictive variables, according to the decision tree model to classify the collected data; using training data sets to construct a decision tree, according to the tree for data samples to produce a classification. The self-organizing learning is used in the deep learning to improve the learning efficiency, and the accuracy of prediction is improved by real-time data transmission and periodic learning.
【技术实现步骤摘要】
采用数据信号与知识引导结合的智能学习系统及方法
本专利技术涉及人工智能的深度学习算法,将从传感器采集来的数据进行深度学习判定电梯故障的类型。
技术介绍
在信息大数据时代,用户的个性化需求不断提高,对于信息系统智能度的要求带来了很多挑战。面对大量的数据信息,如何帮助用户有效获取所需要的信息,有力改善信息超载(informationoverload)问题,是数据科研工作者的主要研究挑战之一。整体来说,目前信息处理系统有两种工作模式。第一种称之为“拉”模式,比较典型的就是搜索引擎,用户提交查询,系统返回搜索结果;第二种称之为“推”模式,比较典型的就是推荐系统,用户不要求显式提交任何查询和兴趣偏好,而系统通过自动化算法来进行“信息”推送。在信息智能时代,推荐系统显得尤为重要,已经成为互联网以及数据服务公司的核心技术模块之一,对于推荐系统技术的推进具有重要应用意义。在此选择推荐系统作为主要应用,初步介绍深度学习算法在该领域内的若干应用进展深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络 ...
【技术保护点】
1.一种采用数据信号与知识引导结合的智能学习系统,其特征在于:包括确定四个参数隐含层节点个数模块:基函数中心值,基函数扩展常数和权值问量;学习模块,利用自组织选取法,进行学习阶段;逻辑回归算法模块,根据采集的数据变量拟合进一个逻辑函数来预估一个故障出现的概率,实现在一定周期内数据脱离一定的范围内判断出电梯经常会出现什么样的故障,再推论根据故障来决策维保的需求;在预示变量间相互独立的前提下,根据决策树模型将采集的数据进行分类模块;利用训练数据集来构造一棵决策树,根据树为数据样本产生一个分类。
【技术特征摘要】
1.一种采用数据信号与知识引导结合的智能学习系统,其特征在于:包括确定四个参数隐含层节点个数模块:基函数中心值,基函数扩展常数和权值问量;学习模块,利用自组织选取法,进行学习阶段;逻辑回归算法模块,根据采集的数据变量拟合进一个逻辑函数来预估一个故障出现的概率,实现在一定周期内数据脱离一定的范围内判断出电梯经常会出现什么样的故障,再推论根据故障来决策维保的需求;在预示变量间相互独立的前提下,根据决策树模型将采集的数据进行分类模块;利用训练数据集来构造一棵决策树,根据树为数据样本产生一个分类。2.根据权利要求1所述的采用数据信号与知识引导结合的智能学习系统,其特征在于:所述的学习阶段分两个学习阶段,第一是得到隐含层基神经元的中心点与扩展常数实现无监督学习阶段,利用K-means算法划分训练样本,第二通过高斯函数与线性函数解出方差,训练原始数据输出权值实现有监督学习阶段。3.根据权利要求2所述的采用数据信号与知识引导结合的智能学习系统,其特征在于:学习树采用C5.0算法。...
【专利技术属性】
技术研发人员:陆志杰,张方舟,徐江,王学宇,吴晓宇,
申请(专利权)人:常熟理工学院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。