摘要
本发明涉及机器学习智能决策技术领域,公开一种基于机器学习的AI智能决策推理方法及系统,包括:通过监测不达到报警阈值的微事件以开启时序窗口,并在窗口内将多个传感器之间的时序因果关联编码为一不含原始幅值的指纹向量,同时将数据流的非预期波动编码为一噪声特征向量,再将两向量共同输入机器学习模型,以进行经置信度修正的决策推理,本发明跳出了传统机器学习依赖静态数据快照的局限,通过将隐蔽的动态因果链直接编码为可识别的指纹,使系统能够在由多个微小事件累积而成的系统性风险的萌芽期而非爆发期做出精准预警,实现了从事后诊断到事前预见的转变。
技术关键词
推理方法
机器学习模型
时序
指纹
传感器响应
噪声
编码模块
智能决策技术
浅层神经网络
推理系统
校准
校验设备
波动特征
异常信号
动态
逻辑
系统为您推荐了相关专利信息
资源优化调度方法
负荷预测模型
资源调度策略
资源优化调度系统
协同系统
编码向量
波动特征
模态特征
IGBT模块
多尺度
数据同步
关系型数据库
NoSQL数据库
规则推理引擎
字段
加载存储单元
动态仿真平台
功能验证方法
依赖特征
路径特征