摘要
本发明提出一种面向分布式无人集群系统的数据稀疏关系学习方法,通过多尺度特征表示生成方法,同时学习长、中、短期的动态关系,解决现有方法无法生成多尺度特征表示的问题;设计时变关联关系动态学习机制,实时捕捉无人集群各节点之间动态变化的关联关系,避免关系冗余;通过多层次关系融合机制,区分不同层次关系的影响,提升模型的预测性能。本发明通过动态更新的多尺度时间卷积网络,实现显式与隐式学习相结合的数据稀疏关系学习方法,能够解决分布式无人集群系统各节点之间关联关系实时变化导致的建模关系冗余问题,在挖掘无人系统各节点之间潜在关系的同时大幅提升模型的预测性能。
技术关键词
集群系统
学习方法
节点
分布式传感器
时间卷积网络
控制门
多元时间序列数据
多尺度特征
序列特征
数据关联关系
长短期记忆网络
正则化技术
生成方法
双曲正切函数
生成多尺度
度计算方法
深度学习算法