基于多任务预测模型的数据处理方法、装置、设备和介质制造方法及图纸

本公开公开了一种基于多任务预测模型的数据处理方法、装置、设备和介质，涉及计算机技术领域，尤其涉及机器学习技术、云计算及云服务技术领域。具体实现方案为：对产品至少两个尺寸维度的原始数据分别执行预处理操作，以得到至少两组标准原始数据；对标准原始数据进行特征提取，以得到至少两组尺寸特征数据；将至少两组尺寸特征数据进行拼接，以得到特征拼接数据；分别对特征拼接数据进行特征融合，以得到至少两组特征融合数据；根据特征融合数据确定产品每个尺寸维度的预测结果。本公开实现了提高对于产品每个尺寸维度预测结果的准确度的效果。

【技术实现步骤摘要】
基于多任务预测模型的数据处理方法、装置、设备和介质
本公开涉及计算机
，尤其涉及机器学习技术、云计算及云服务
，特别涉及一种基于多任务预测模型的数据处理方法、装置、设备和介质。
技术介绍
注塑成型是常见的一种塑料制品加工工艺，它所加工的产品在生活中随处可见，例如电子产品、汽车配件和玩具等。由于成型系统较为复杂并且对环境较为敏感，注塑成型加工过程中的不稳定因素很容易导致产品不良的发生，造成经济损失。因此需要对成型过程的产品尺寸实时预测，这有助于减少甚至避免不合格品的产生，对于管控产品质量、降低生产成本有重要的作用。现有方法通常是采用多个独立模型对产品尺寸的各维度分别进行预测。
技术实现思路
本公开提供了一种用于预测产品尺寸的方法、装置、设备和介质。根据本公开的一方面，提供了一种基于多任务预测模型的数据处理方法，所述多任务预测模型包括输入层、至少一层特征共享层和输出层，所述特征共享层包括至少两个特征提取模块、特征拼接模块、和至少两个特征融合模块，所述输出层包括至少两个预测模块；所述方法包括：通本文档来自技高网...

【技术保护点】
1.一种基于多任务预测模型的数据处理方法，其中，所述多任务预测模型包括输入层、至少一层特征共享层和输出层，所述特征共享层包括至少两个特征提取模块、特征拼接模块、和至少两个特征融合模块，所述输出层包括至少两个预测模块；所述方法包括：/n通过所述输入层对产品至少两个尺寸维度的原始数据分别执行预处理操作，以得到至少两组标准原始数据；/n将至少两组所述标准原始数据分别输入至少两个所述特征提取模块，对所述标准原始数据进行特征提取，以得到至少两组尺寸特征数据；/n将至少两组所述尺寸特征数据输入所述特征拼接模块进行拼接，以得到特征拼接数据；/n将所述特征拼接数据分别输入至少两个所述特征融合模块，分别对所述特...

【技术特征摘要】
1.一种基于多任务预测模型的数据处理方法，其中，所述多任务预测模型包括输入层、至少一层特征共享层和输出层，所述特征共享层包括至少两个特征提取模块、特征拼接模块、和至少两个特征融合模块，所述输出层包括至少两个预测模块；所述方法包括：
通过所述输入层对产品至少两个尺寸维度的原始数据分别执行预处理操作，以得到至少两组标准原始数据；
将至少两组所述标准原始数据分别输入至少两个所述特征提取模块，对所述标准原始数据进行特征提取，以得到至少两组尺寸特征数据；
将至少两组所述尺寸特征数据输入所述特征拼接模块进行拼接，以得到特征拼接数据；
将所述特征拼接数据分别输入至少两个所述特征融合模块，分别对所述特征拼接数据进行特征融合，以得到至少两组特征融合数据；
将至少两组所述特征融合数据分别输入至少两个所述预测模块，以根据所述特征融合数据确定所述产品每个尺寸维度的预测结果。


2.根据权利要求1所述的方法，其中，所述特征提取模块的网络结构为全连接神经网络，每个所述特征提取模块对所述标准原始数据进行特征提取具体包括：
每个所述特征提取模块通过如下公式得到尺寸特征数据：
F1＝σ1(W1x1+b1)
其中，F1表示尺寸特征数据，x1表示标准原始数据，W1表示所述特征提取模块的网络权重，b1表示所述特征提取模块的网络偏置项，σ1()表示所述特征提取模块的激活函数。


3.根据权利要求1所述的方法，其中，将至少两组所述尺寸特征数据输入所述特征拼接模块进行拼接，以得到特征拼接数据包括：
将至少两组所述尺寸特征数据输入所述特征拼接模块进行矩阵拼接，得到特征拼接数据。


4.根据权利要求1所述的方法，其中，各所述特征融合模块之间的模型参数不同。


5.根据权利要求4所述的方法，其中，所述特征融合模块的网络结构为全连接神经网络，每个所述特征融合模块对所述特征拼接数据进行特征融合具体包括：
通过如下公式得到特征融合数据：
F2＝σ2(W2x2+b2)
其中，F2表示特征融合数据，x2表示特征拼接数据，W2表示所述特征融合模块的网络权重，b2表示所述特征融合模块的网络偏置项，σ2()表示所述特征融合模块的激活函数。


6.根据权利要求1所述的方法，其中，所述预测模块的网络结构为全连接神经网络，每个所述预测模块根据所述特征融合数据确定所述产品每个尺寸维度的预测结果具体包括：
通过如下公式确定所述产品每个尺寸维度的预测结果：
F3＝σ3(W3x3+b3)
其中，F3表示所述产品对应每个尺寸维度的预测结果，x3表示特征融合数据，W3表示所述预测模块的网络权重，b3表示所述预测模块的网络偏置项，σ3()表示所述预测模块的激活函数。


7.根据权利要求1所述的方法，其中，所述特征共享层还包括至少两个特征提取辅助模块和至少两个特征求和模块，所述方法还包括：
将至少两组所述标准原始数据分别输入至少两个所述特征提取辅助模块进行特征提取，以得到至少两组辅助特征数据；
将所述特征融合数据与同一尺寸维度的辅助特征数据输入所述特征求和模块相加，以得到的特征求和数据更新所述特征融合数据。


8.根据权利要求1所述的方法，其中，所述特征共享层的数量为两个以上，每个所述特征共享层的输入数据为所述输入层或前一特征共享层的输出数据，所述输出层还包括至少两个特征拼接辅助模块；
相应的，所述方法还包括：
将各特征共享层输出的至少两组特征融合数据分别输入至少两个所述特征拼接辅助模块进行拼接，以得到至少两个辅助特征拼接数据；
将至少两个所述辅助特征拼接数据分别输入至少两个所述预测模块，以根据所述辅助特征拼接数据确定所述产品每个尺寸维度的预测结果。


9.根据权利要求1所述的方法，其中，通过所述输入层对产品至少两个尺寸维度的原始数据分别执行预处理操作，包括：
通过所述输入层对产品至少两个尺寸维度的原始数据执行分箱操作、编码操作和标准化操作中的至少一种操作。


10.一种基于多任务预测模型的数据处理装置，其中，所述多任务预测模型包括输入层、至少一层特征共享层和输出层，所述特征共享层包括至少两个特征提取模块、特征拼接模块、和至少两个特征融合模块，所述输出层包括至少两个预测模块；所述装置包括：
预处理模块，用于通过所述输入层对产品至少两个尺寸维度的原始数据分别执行...

【专利技术属性】
技术研发人员：刘颖，徐进，解鑫，许铭，刘建林，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11