[发明专利]一种小样本条件下融合先验知识的LSTM神经网络预测方法在审
| 申请号： | 202210840011.5 | 申请日： | 2022-07-18 |
| 公开（公告）号： | CN115204047A | 公开（公告）日： | 2022-10-18 |
| 发明（设计）人： | 邸若海;郝可青;王鹏;吕志刚;李晓艳;贺楚超;张玉芳;陈晨 | 申请（专利权）人： | 西安工业大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/04;G06N3/08;G01R31/392;G01R31/367;G06F111/04;G06F119/04 |
| 代理公司： | 西安新思维专利商标事务所有限公司 61114 | 代理人： | 李凤鸣 |
| 地址： | 710032 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种小样本条件下融合先验知识的LSTM神经网络预测方法。本发明采用将先验知识融入到LSTM神经网络的训练过程中，通过增加惩罚函数项将约束优化问题转化为无约束优化问题，以数学表达形式加入到LSTM神经网络的目标函数中，实现了准确的评估建模，提高了小样本情况下的建模精度。由于该神经网络通过设计各种“门”结构进行模型训练，因此相比较于传统神经网络不存在梯度消失和梯度爆炸问题。本发明特别适用于小样本条件下长短期记忆神经网络对锂电池剩余寿命进行预测和数据分析。经实验验证，该方法可以有效解决小样本建模精度的问题，在锂电池数据集样本中，平均准确率可达到97.52％以上。 | ||
| 搜索关键词： | 一种 样本 条件下 融合 先验 知识 lstm 神经网络 预测 方法 | ||
【主权项】：
暂无信息
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西安工业大学，未经西安工业大学许可，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/202210840011.5/，转载请声明来源钻瓜专利网。
