摘要
本申请实施例提供一种称重数据去噪方法与去噪模型训练方法、设备及存储介质。在本申请实施例中,提供一种目标去噪模型,目标去噪模型包括短时去噪网络和长时去噪网络,短时去噪网络提取称重数据的局部空间特征并进行短时去噪处理;长时去噪网络学习称重数据的时序依赖关系进行长时降噪处理;最后,基于长时去噪处理后全局降噪特征,生成去除噪声数据的目标称重数据。通过短时去噪网络和长时去噪网络相结合,使得模型能够捕捉称重数据中的短期和长期依赖特性,有效地从称重数据中分离出有效数据和噪声数据,提高了模型对噪声去除的准确性和鲁棒性。
技术关键词
降噪特征
局部空间特征
去噪模型
样本
数据去噪方法
噪声数据
模型训练方法
编码器
记忆单元
依赖关系信息
时序依赖关系
短时傅里叶变换
生成对抗网络
序列
存储计算机程序
存储器
系统为您推荐了相关专利信息
电路性能参数
高斯分布模型
累积分布函数
核密度估计方法
样本
SMOTE算法
雷达
分类方法
分类器
分类预处理
烟气脱硝工艺
熔融还原炉
回转烘干窑
温度预测模型
SCR脱硝入口