本发明公开了一种动态机器学习方法,该方法包括以下步骤:1)基于控制系统已有的历史数据样本,按照极限学习机算法规则训练当前ELM网络;2)采集的最新数据样本按照数据周期划分;3)开始第一个数据周期,基于原有样本及第一个数据周期的新增样本重新训练当前ELM网络;4)对第k个周期,计算不同数据周期数据样本的有效学习率;5)重新训练当前周期对应的ELM网络;6)若未达到下一数据周期开始时刻,则将当前数据周期对应的ELM网络用于进行预测,并将预测结果作用于对应的控制系统;若已达到下一数据周期开始时刻,则跳至步骤4)。本发明方法动态地对不同时段数据样本予以差异化学习和利用,能有效提高最终预测结果的适用度。
声明:
“动态机器学习方法” 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)