摘要
本发明涉及一种基于结构风险最小化的智能系统故障机理分析方法,步骤包括:根据智能系统的功能设计,建立对应功能的卷积神经网络结构模型;为模型选择一个学习率下降策略,按照该策略为学习率设置不同的值,得到学习率衰减度;引入结构风险最小化,模型的风险由训练样本的经验误差和假设空间复杂度组成;将经验精度作为学习率衰减度的函数并通过一阶多项关系式进行拟合,利用Rademacher复杂度来评估假设空间复杂度,经验精度代替经验误差,展开Rademacher复杂度的定义得到学习率衰减度与模型的风险之间的关系。该方法根据结构风险最小化策略分析了学习率对智能模型的影响,通过该策略能够识别和评估模型风险,减少智能系统故障。
技术关键词
结构风险最小化
智能模型
卷积神经网络结构模型
智能系统
复杂度
分析方法
建立神经网络模型
卷积神经网络模型
策略
精度
误差
定义
样本
关系
系统为您推荐了相关专利信息
神经网络处理器
锁控制方法
指令
分配器
神经网络算法
油藏数值模拟方法
油藏模型
应力场
油藏开发技术
关系
储能设备
检测平台
综合管控方法
综合管控系统
训练人工智能模型
全生命周期数据
运营管理方法
数据分析模型
管理策略
人工智能算法