基于深度学习的分布式参数系统建模的时空耦合学习方法.pdfVIP

下载本文档

9
0
约1.44万字
约 12页
2023-06-08 发布于四川
举报
版权申诉

基于深度学习的分布式参数系统建模的时空耦合学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种应用于分布参数系统建模的时空耦合学习方法,涉及到深度学习、建模等领域，解决了数据驱动的分布参数系统建模时，由于空间和时间是内在耦合的，时空可分性的假设通常不成立的问题，将稀疏自编码器网络与多层神经网络相结合，提出了一种新的深度学习体系结构，既保持了模型的时空耦合特性，又增加了模型的自由度，给出一个没有精确偏微分方程描述的高维系统，利用收集的输入和输出数据对降维模型及其时间动力学进行联合学习，然后应用学习到的模型预测低维表示和重建高维输出，实例验证，与经典的时空分离模型简化方法相比

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836808 A (43)申请公布日 2021.05.25 (21)申请号 202110300371.1 (22)申请日 2021.03.22 (71)申请人哈尔滨理工大学地址