.png){kind=icon}
返回
Two-dimensional LSTM soft sensor using noisy process data
.png){kind=icon}
OA
AI
DOI：10.1088/1361-6501/ad4384.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摘要
基于数据的软传感器构建仍面临一系列挑战，尤其是过程数据中存在的异常值和各类噪声不可忽略。为解决这些挑战，提出了一种基于共熵的双维长短时记忆（TLSTM）模型来处理含噪过程数据。首先，将多维时间序列样本在特征和时间维度上重构为多个二维输入矩阵。然后，利用卷积和池化操作提取与质量变量相关的过程变量中的有用信息。同时，采用门控机制学习时间序列的内部表示。最后，采用基于共熵的策略自动为异常值分配较小权重，实现可靠预测。两个案例验证了TLSTM在有效提取预测相关质量特征方面的可靠性和优势。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息