公开(公告)号：CN103065192B

公开(公告)日：2015-09-02

申请号：CN201210560790.X

申请日：2012-12-20

申请人： 华南理工大学

发明人： 王聪 ,  袁成志 ,  胡俊敏

IPC分类号： G06F19/00 ,  G06N3/08

摘要： 本发明公开了一种基于确定学习理论的海量时态数据建模方法，该方法针对的是一类在科学研究与工程实践中普遍存在的、一般可以看作是由离散非线性系统产生的带有噪声的海量时态数据。建模过程包括：海量时态数据定义及滤波预处理；采用动态RBF神经网络构造神经网络辨识器，设计合理的RBF神经网络权值的调节律；对海量时态数据的神经网络建模。具有使海量时态数据的建模及其性能分析更为简洁和可进一步用于对海量时态数据的快速相似性判断等优点。

公开(公告)号：CN103065192A

公开(公告)日：2013-04-24

申请号：CN201210560790.X

申请日：2012-12-20

申请人： 华南理工大学

发明人： 王聪 ,  袁成志 ,  胡俊敏

IPC分类号： G06N3/08

摘要： 本发明公开了一种基于确定学习理论的海量时态数据建模方法，该方法针对的是一类在科学研究与工程实践中普遍存在的、一般可以看作是由离散非线性系统产生的带有噪声的海量时态数据。建模过程包括：海量时态数据定义及滤波预处理；采用动态RBF神经网络构造神经网络辨识器，设计合理的RBF神经网络权值的调节律；对海量时态数据的神经网络建模。具有使海量时态数据的建模及其性能分析更为简洁和可进一步用于对海量时态数据的快速相似性判断等优点。