本发明提出了一种基于神经网络模型的工业数据生成方法,包括如下步骤:基于生成对抗网络的思想,通过鉴别反馈机制,将时间序列生成过程作为一个连续决策过程来生成大规模数据集。其中,鉴别器提取时间序列特征并评估每个特征对于序列的重要性,通过对真实样本与生成样本进行训练来衡量生成数据的质量。鉴别器通过时间差分学习(Temporal‑Difference Learning)反馈生成器中间每步所生成数据概率的对应奖励值,基于LSTM的生成器由强化学习的策略梯度进行训练,其中,奖励值由鉴别器返回值提供。一种基于神经网络模型的工业数据生成方法实现了小数据生成大数据的新方式,从而提高在大数据环境下数据挖掘的挖掘分析效果,以及整个框架所拥有可靠的性能和优异的可扩展性。
声明:
“基于神经网络模型的工业数据生成方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)