我工作的一個系統,在機器操作中發送的遙測數據傳回中央服務器進行分析。我們測量的機器參數之一是電動機電流與時間的關係。一個操作完成後,我們計劃將一組電流發回服務器。一個成功的操作會有一個像梯形一樣的模式,有問題的操作會有完全不同的模式,更像是價值的大幅上升。任何人都可以推薦一種神經網絡,它可以很好地將這些當前值的一維向量分類爲合格/失敗類型的輸出?特定類型的模式分析的最佳神經網絡?
感謝, 弗雷德
我工作的一個系統,在機器操作中發送的遙測數據傳回中央服務器進行分析。我們測量的機器參數之一是電動機電流與時間的關係。一個操作完成後,我們計劃將一組電流發回服務器。一個成功的操作會有一個像梯形一樣的模式,有問題的操作會有完全不同的模式,更像是價值的大幅上升。任何人都可以推薦一種神經網絡,它可以很好地將這些當前值的一維向量分類爲合格/失敗類型的輸出?特定類型的模式分析的最佳神經網絡?
感謝, 弗雷德
也許走的是FFT並使其通過radial basis function neural network會做的伎倆。看起來您要查找的功能是週期性的功能,可以通過FFT捕捉,而RBF可以進行學習。可用於
許多類型的神經網絡來解決這個問題,但我想,一個相對簡單的打分函數可能工作以及和更容易實現。如果你能確定你的梯形的開始和結束的可能的位置,我建議嘗試像平均值作爲機牀性能的一個措施「從梯形模板形狀絕對差異」。
是否需要您使用神經網絡來進行這種分類?或者其他類別的算法是否可以接受? – Karmastan
不一定必須是神經網絡,我認爲這可能是一個合適的方法。數據可能也是嘈雜的。 –
你可能想看看聚類算法。你可以訓練一個簡單的機器學習算法(比如,一個SVM或簡單的線性迴歸模型)來與正常數據的模式,然後使用集羣,以確定是極不正常的點。 – templatetypedef