摘要
本发明涉及大数据分析技术领域,具体为基于深度学习的大数据智能关联分析决策方法,本发明中,获取并按预设规则对齐多源异构大数据,输入端到端训练模型后由关联特征生成层生成表征要素关联关系的高阶关联特征向量,并通过内部状态审核获取信息密度指标;决策输出层基于该向量输出决策结果,同时依据审核结果动态调整损失计算中平衡决策精度与特征效率的加权系数;随后结合决策结果、调整系数及真实值计算复合损失值,最终同步更新两层模型参数;该方法实现了规则挖掘与决策目标的动态协同优化;并通过复合损失值反馈、加权系数动态调节及参数同步更新构建闭环机制,使决策结果反向优化关联特征生成策略。
技术关键词
智能关联分析
多源异构大数据
决策方法
卷积神经网络结构
信息熵
大数据分析技术
异常状态
局部特征提取
设备标识符
参数
残差学习
指标
标记
非线性
传播算法
分布特征
密度
系统为您推荐了相关专利信息
估计方法
信息熵
协方差矩阵
阵列天线接收信号
抑制脉冲噪声
场景生成方法
动态邻接矩阵
风电出力场景
多区域
编码器
车辆路径规划方法
字符
编码
节点
车辆路径规划系统