基于图信号卷积神经网络的工业互联网缺损数据估计方法

AITNT
正文
推荐专利
基于图信号卷积神经网络的工业互联网缺损数据估计方法
申请号:CN202411486140
申请日期:2024-10-23
公开号:CN119476353A
公开日期:2025-02-18
类型:发明专利
摘要
本发明提供了一种基于图信号卷积神经网络的工业互联网缺损数据估计方法,属于工业互联网技术领域,包括构建反映工业互联网的样本结构图,并对数据进行预处理,得到训练集和测试集;利用训练集对优化过的图神经网络模型进行训练,得到训练后的图神经网络模型;利用训练后的图神经网络模型,对测试集进行评估,得到数据补全值与原始值的相对误差,完成对节点特征的预测补全。本发明解决了现有技术中不能在确保预测准确性的同时,有效地补全和预测多维特征的问题。
技术关键词
数据估计方法 神经网络模型 工业互联网技术 样本 节点特征 信号 优化器 标签 矩阵 定义 批量 关系
系统为您推荐了相关专利信息
1
一种基于碳平台的碳排放监测方法及装置
排放量 递归神经网络模型 排放监测装置 产品全生命周期 电力传输
2
基于稳态分布与聚类的无监督跨模态哈希检索方法
编码 稳态 集群 矩阵 跨模态
3
一种基于环境检测云平台的数据分析系统及方法
监测站 检测云平台 异常数据 环境检测模块 神经网络模型
4
锂电池寿命衰退量化预测与健康状态智能评估方法
智能评估方法 Wasserstein距离度量 应变片传感器 集成气体传感器 锂电池
5
一种氧化铝矿浆磨先进过程控制系统及方法
氧化铝矿浆 调配液 球磨机 参数 控制系统
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号