摘要
本发明提供了一种基于人工智能的清洗设备能效评估与优化方法和装置,包括:基于清洗设备运行过程中的日志记录获取数据,对数据进行标注;基于量子纠缠态的生成对抗网络对数据进行数据扩充以得到扩充后的数据;基于扩充后的数据训练基于模拟负载平衡的特征提取模型;基于特征提取后的数据训练特征降维模型;基于降维后的数据训练分类器模型;基于训练完成的特征提取模型、特征降维模型和分类器模型评估清洗设备的能效。该方式中,以模拟量子纠缠的特性以提升数据的内在关联性和表达能力,利用动态变权重策略自适应地调整每个训练周期中的权重更新,通过模拟输入数据的分布优化潜在空间的结构,根据输入数据的特征动态调整权重共享级别。
技术关键词
特征提取模型
清洗设备
生成对抗网络
训练分类器模型
数据
能效
训练特征
权重策略
编码器算法
决策树算法
量子态
样本
动态
参数
模型训练模块
扩充模块
节点
日志
系统为您推荐了相关专利信息
BP神经网络模型
数据异常检测方法
K近邻
异常检测装置
集群
分布式光伏
超短期功率预测
历史气象数据
拓扑图
站点