[发明专利]一种深度信念网络的航电系统模式识别方法在审
| 申请号： | 201810693984.4 | 申请日： | 2018-06-29 |
| 公开（公告）号： | CN109034202A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 洪晟;孙龙龙;李煌;罗无为 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00 |
| 代理公司： | 北京慧泉知识产权代理有限公司 11232 | 代理人： | 王顺荣;唐爱华 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于人工鱼群优化方法深度信念网络的航电系统模式识别方法，步骤如下：一，DBNC模型的构建，设置模型参数初始化；二，选取典型的故障模式，从航电系统中获取用于DBNC模型训练的历史故障数据；三，采用对比散度方法对DBNC模型进行预训练；即对层与层之间各节点的连接权值及各层节点的偏置值进行初始化；四，对DBNC模型的反向微调训练；五，对DBNC模型训练结果评估；六，利用DBNC模型对航电系统运行数据进行模式识别；通过以上步骤，DBNC模型的误差不断降低，而且随着层数的深入，准确度明显上升，表明该模型的训练过程是合理有效的；该模型用于航电系统的模式识别，具有更高的诊断准确率，非常适合于作为航电系统模式识别的有效模型。 | ||
| 搜索关键词： | 航电系统 模式识别 模型训练 信念网络 初始化 人工鱼群优化 故障模式 结果评估 历史故障 模型参数 训练过程 有效模型 运行数据 准确度 准确率 对层 构建 偏置 散度 微调 诊断 | ||
【主权项】：
1.一种深度信念网络的航电系统模式识别方法，即一种基于人工鱼群优化方法深度信念网络的航电系统模式识别方法，其特征在于：其具体步骤如下：步骤一，DBNC模型的构建，设置模型参数初始化；步骤二，选取典型的故障模式，从航电系统中获取用于DBNC模型训练的历史故障数据；步骤三，采用的是对比散度方法即CD方法对DBNC模型进行预训练；即对层与层之间各节点的连接权值及各层节点的偏置值进行初始化；步骤四，对DBNC模型的反向微调训练，即通过人工鱼群优化方法对DBNC模型中的连接权值和节点偏置情况进行优化；步骤五，对DBNC模型训练结果评估，根据误差判断模型的学习情况，如果误差达到要求，则进行步骤六，若未达到准确度要求，则重返步骤二；步骤六，利用训练好的DBNC模型对航电系统运行数据进行模式识别；通过以上步骤，DBNC模型的误差不断降低，而且随着层数的深入，准确度明显上升，表明该模型的训练过程是合理有效的；该模型用于航电系统的模式识别，具有更高的诊断准确率，非常适合于作为航电系统模式识别的有效模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810693984.4/，转载请声明来源钻瓜专利网。
