技术总结
基于自编码神经网络的无监督特征提取方法，先进行训练数据矩阵的构建，然后把训练数据矩阵的各个分量值归一化到[0,1]之间，再进行参数学习，得到自编码神经网络模型，然后计算隐藏层的输出，获取特征，最后按照“对折取值”法确定最佳隐藏层神经元的个数，最终确定自编码神经网络的结构，在网络的训练学习中，自编码神经网络规定网络的期望输出等于网络的输入，这样的学习目标使得自编码神经网络的训练过程中不需要训练数据提供期望网络输出，本发明在缺乏先验知识的情形下，可以挖掘设备海量状态数据的内在规律并提取特征。
技术研发人员：刘弹;王芹;陶姣姣;梁霖;杨天社;赵静;王徐华;徐光华
受保护的技术使用者：西安交通大学
文档号码：201610855703
技术研发日：2016.09.28
技术公布日：2017.02.22