【技术实现步骤摘要】
基于神经网络与深度学习的跨域知识协助方法与系统
本专利技术涉及在智能制造
,具体为一种基于神经网络与深度学习的跨域知识协助方法与系统。
技术介绍
21世纪已经从初步的自动化转变到高度自动化的时代,即智能化的时代。智能化的时代,给我们的生活、工作和工业生产和管理都带来了实实在在的帮助,如基于人工智能化的智能家居、家电,工业化生产中的工业机器人和工业监视机器人等,这些都是随着科学技术的快速发展,越来越多地出现在人们的生活中,可以说,人类社会的生产和生活的极大的提高,都依赖于技术的进步,但是自动化的操作和智能化的控制通常需要计算机或者微型计算机去处理众多的逻辑关系,因此,其需要进行大量的数学计算和逻辑计算,这必然会提高对处理器的逻辑计算能力需求,而大规模集成电路或超大规模集成电路的运算处理能力,也直接影响到了其生产成本。二十世纪,是一个智能化生产和智能制造的年底,现今生活中,设备不仅自己智能化,自动化,而且,还从以前设备单独的运行,到如今的协同化操作,这其中就离不开跨域、跨设备的运行和协作,而其中必然就涉及了不同设备或领域之间的而对有智能化的计算和人工智能的发展,其对处理器的运算处理能力需求进一步加强。另外一方面,在实现人工智能方面,一个重要的研究就是利用模仿人类处理事务的能力,即模仿人类面对事件即输入,采用的处理手段或技术即输出,而形成输入和输出的映射关系;现今,提出另外一个研究去解决该映射关系的方法,即深度学习,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 ...
【技术保护点】
1.一种基于神经网络与深度学习的跨域知识协助系统,包括分布在不同知识领域的多个设备(1)、深度学习协调模块(2)和全局数据存储模块(9);每个设备(1)包括数据清理模块(3)、数据获取模块(4)和数据读取模块(5);所述设备(1)还包括单机存储模块(7),所述单机存储模块(7)分别和所述数据清理模块(3)、所述数据获取模块(4)和数据读取模块(5)数据通信连接;/n数据训练融合子模块(6),所述数据训练融合子模块(6)设置于部分所述设备(1)上;设置有所述数据训练融合子模块(6)的所述设备(1)上设置局域数据存储模块(8),所述局域数据存储模块(8)分别和所述数据训练融合子模块(6)、所述数据读取模块(5)数据通信连接;/n所述深度学习协调模块(2)、所述数据读取模块(5)、所述数据训练融合子模块(6)、所述局域数据存储模块(8)和所述全局数据存储模块(9)之间通过数据通信网络进行数据通信连接;所述深度学习协调模块(2)对所有参与数据训练学习的设备(1)、工作模块和数据进度调度;/n其特征在于:/n在进行数据训练学习时,所述设备(1)在运行中,所述数据获取模块(4)获取安装在该设备(1 ...
【技术特征摘要】
1.一种基于神经网络与深度学习的跨域知识协助系统,包括分布在不同知识领域的多个设备(1)、深度学习协调模块(2)和全局数据存储模块(9);每个设备(1)包括数据清理模块(3)、数据获取模块(4)和数据读取模块(5);所述设备(1)还包括单机存储模块(7),所述单机存储模块(7)分别和所述数据清理模块(3)、所述数据获取模块(4)和数据读取模块(5)数据通信连接;
数据训练融合子模块(6),所述数据训练融合子模块(6)设置于部分所述设备(1)上;设置有所述数据训练融合子模块(6)的所述设备(1)上设置局域数据存储模块(8),所述局域数据存储模块(8)分别和所述数据训练融合子模块(6)、所述数据读取模块(5)数据通信连接;
所述深度学习协调模块(2)、所述数据读取模块(5)、所述数据训练融合子模块(6)、所述局域数据存储模块(8)和所述全局数据存储模块(9)之间通过数据通信网络进行数据通信连接;所述深度学习协调模块(2)对所有参与数据训练学习的设备(1)、工作模块和数据进度调度;
其特征在于:
在进行数据训练学习时,所述设备(1)在运行中,所述数据获取模块(4)获取安装在该设备(1)上的运行数据和状态数据,形成数据记录,并将所述数据记录存储于所述设备(1)的所述单机存储模块(7),所述数据清理模块(3)读取存储于所述单机存储模块(7)中的所述数据记录,并利用数理统计方法和设定的要求去分析每条所述数据记录,在发现某条数据记录出现明显不合理时,将该条数据记录删除;
所述深度学习协调模块(2)对所有的设备(1)进行分组,将所有的所述设备(1)按照一定的规则分成数个分组(10),并保证每个所述分组(10)中存在至少一个所述数据训练融合子模块(6),并将所述分组的信息发送给所述数据读取模块(5)、所述数据训练融合子模块(6)和所述局域数据存储模块(9),并且修改所述数据读取模块(5)、所述数据训练融合子模块(6)和所述局域数据存储模块(5)的所述数据记录的读取权限;
所述数据训练融合子模块(6)依据所述深度学习协调模块(2)分配的读取权限,和其对应的分组的所述数据读取模块(5)建立数据通信连接,从而所述数据训练融合子模块(6)通过所述数据读取模块(5)读取存储于所述单机存储模块(7)中存储的数据记录进行数据学习训练,得出数据训练子模型,并将所述数据训练子模型存储于所述局域数据存储模块(8)和所述全局数据存储模块(9)中,其中,在各分组的所述数据训练融合子模块(6)进行数据训练以得到数据训练子模型时,读取存储于所述全局数据存储模块(9)中其它分组通过数据训练得的数据训练子模型作为初始模型以便进行快速收敛的到数据训练子模型;
其中,所述全局数据存储模块(9)的存储的数据训练子模型数量为一定值,并在得到的数据训练子模型数量超过所述定值时,删除最开始存储的所述数据训练子模型,并记录删除的所述数据训练子模型的数量;并在删除了一规定数量的所述数据训练子模型时,停止进行对所述分组进行数据训练;
对最后剩余的所有所述数据训练子模型采取参数加权的模式得出总的深度数据训练模型,并发送给所述全局数据存储模块(9)进行存储。
2.根据权利要求1所述的一种基于神经网络与深度学习的跨域知识协助系统,其特征在于:所述深度学习协调模块(2)随机从各分组的数据记录中抽取一定量的数据记录发送给所述全局数据存储模块(8);对所述总的所述数据联邦模型进行校验,在所述数据记录利用该总的所述数据联邦模型进行校验中,数据输出和数据记录中的数据符合模型精度要求时,则该总的所述数据联邦模型建立完成,否则,所述深度学习协调模块(2)给所述分组增加所述数据训练融合子模块(6)获取数据训练子模型的次数,并再次进行获取数据训练子模型的过程;最后对剩余的所有所述数据训练子模型采取参数加权的模式得出总的深度数据训练模型,并发送给所述全局数据存储模块(9)进行存储。
3.根据权利要求1所述的一种基于神经网络与深度学习的跨域知识协助系统,其特征在于:在所述数据读取模块(5)、所述数据训练融合子模块(6)、所述局域数据存储模块(8)和所述全局数据存储模块(9)和所述深度学习协调模块(2)之间进行的数据通信和数据的存取都采用加密的方式进行,以保证数据记录在传输中的安全性。
4.根据权利要求1所述的一种基于神经网络与深度学习的跨域知识协助系统,其特征在于:在所述数据清理模块(3)进行数据记录的数据清理时,利用已有的历史数据记录或存储于所述局域数据存储模块(8)中的数据训练子模型对数据进行初步数据清理,对每条数据记录进行分析,在数据记录出现偏离一定程度时,剔除该数据记录,以使得数据记录清理更加准确。
5.根据...
【专利技术属性】
技术研发人员:邢廷炎,周长兵,杨艳霞,
申请(专利权)人:中国地质大学北京,
类型:发明
国别省市:北京;11
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。