摘要
本发明涉及人工智能技术,公开了一种长时序工业实时数据的数据处理方法、装置、设备及存储介质。该方法包括:构建模态分解优化公式,并引入工业时间序列数据及预构建的拉格朗日乘子得到增广拉格朗日公式,求解得到频率成分集合;对所述频率成分集合进行卷积操作得到卷积特征集合,对卷积特征集合进行基于预设次数的函数激活及残差连接操作,得到工业数据特征矩阵集合;对所述数据特征序列集合进行归一化特征全连接操作,得到工业数据特征集合;对所述工业数据特征集合进行基于时序特征的特征识别操作,得到时序特征序列集合;根据业务场景,调用所述业务场景对应的下游预测网络进行预测。本发明可以提高长时序工业实时数据的数据可用性。
技术关键词
工业实时数据
增广拉格朗日
卷积网络模型
数据处理方法
时序特征
门控循环单元
卷积特征
序列
频率
场景
滤波器
特征识别模块
数据格式
梯度下降算法
处理器
数据处理装置
系统为您推荐了相关专利信息
分区数据处理方法
多模态传感器
可见光图像
红外图像传感器
激光雷达传感器
波形弹簧
ANSYS软件
三维模型
仿真方法
三维建模软件
多路复用器
索引
数据处理装置
数值
人工智能芯片
联邦学习模型
客户端设备
数据处理方法
加密策略
计算机可读指令
智能监测方法
时序特征
分层可视化
频谱特征
构建训练集