将深度学习神经网络技术应用于信号采集装置的方法制造方法及图纸

本发明专利技术属于信号采集设备技术领域，具体公开了将深度学习神经网络技术应用于信号采集装置的方法，包括以下步骤：S1、数据采集：通过现有的信号采集装置收集样本数据并存入样本库；S2、当样本库发生变化时，进行神经元训练，并存入到临时经验库；S3、训练未完成时继续进行训练，训练完成后将样本由临时经验库搬运到运算经验库；S4、将运算经验库中的样本进行预测输出运算，得到预测输出信号；S5、训练完成以后，通过训练样本库与训练结果实际进行误差对比，准确率达到90%以上为合格。本发明专利技术能够将深度学习应用于单独信号采集并对未来的信号变化进行预测，从而达到更好的训练效果。

Application of deep learning neural network technology to signal acquisition device

【技术实现步骤摘要】
将深度学习神经网络技术应用于信号采集装置的方法
本专利技术涉及信号采集设备相关领域，具体为将深度学习神经网络技术应用于信号采集装置的方法。
技术介绍
目前缺失将深度学习应用于单独信号采集的情况，现有将深度学习技术用于预测信号变化的方案，通常是先进行单独训练，完成训练以后再将成熟的模型植入信号采集终端，这样的方式对训练计算机的要求高，并且对环境变化的反应滞后，不方便应用在通用信号采集环境，适应性差，现设计将深度学习神经网络技术应用于信号采集装置的方法来解决上述问题。
技术实现思路
本专利技术的目的在于提供将深度学习神经网络技术应用于信号采集装置的方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：将深度学习神经网络技术应用于信号采集装置的方法，包括以下步骤：S1、数据采集：通过现有的信号采集装置收集样本数据，并存入样本库；S2、当样本库发生变化时，存入到临时经验库，并进行神经元训练；S3、训练未完成时继续进行训练，训练完成后将样本由临时经验库搬运到运算经验库；...

【技术保护点】
1.将深度学习神经网络技术应用于信号采集装置的方法，其特征在于，包括以下步骤：/nS1、数据采集：通过现有的信号采集装置收集样本数据，并存入样本库；/nS2、当样本库发生变化时，存入到临时经验库，并进行神经元训练；/nS3、训练未完成时继续进行训练，训练完成后将样本由临时经验库搬运到运算经验库；/nS4、将运算经验库中的样本进行预测输出运算，得到预测输出信号；/nS5、训练完成以后，通过训练样本库与训练结果实际进行误差对比，准确率达到90%以上为合格。/n

【技术特征摘要】
1.将深度学习神经网络技术应用于信号采集装置的方法，其特征在于，包括以下步骤：
S1、数据采集：通过现有的信号采集装置收集样本数据，并存入样本库；
S2、当样本库发生变化时，存入到临时经验库，并进行神经元训练；
S3、训练未完成时继续进行训练，训练完成后将样本由临时经验库搬运到运算经验库；
S4、将运算经验库中的样本进行预测输出运算，得到预测输出信号；
S5、训练完成以后，通过训练样本库与训练结果实际进行误差对比，准确率达到90%以上为合格。


2.根据权利要求1所述的将深度学习神经网络技术应用于信号采集装置的方法，其特征在于：所述样本数据包括不同时间点的同一信号值X1、X2和Y，所述X1为过去时间点的输入信号值，所述X2为实时输入信号值，所述Y为预测输出信号值。


3.根据权利要求2所述的将深度学习神经网络技术应用于信号采集装置的方法，其特征在于：所述X1与X2的时间间隔和X2与Y的时间间隔是相同的。
...

【专利技术属性】
技术研发人员：张红星，张可邑，黄顺玉，韩斌斌，
申请(专利权)人：无锡多纬智控科技有限公司，
类型：发明
国别省市：江苏;32