基于嵌入式平台的神经网络模型在线训练方法

摘要

本发明公开了一种基于嵌入式平台的神经网络模型在线训练方法，该方法能根据数据特征自动设置相关参数，同时支持手动设置参数，最大化的满足了实时性与智能性的要求；让运行的系统满足便携、智能分析等多项功能，克服了以往系统难以实现微小化、难以决定相关训练参数、操作复杂等缺点；对石油化工等复杂过程的模式识别或软测量提供了一种低成本、便携式、高实时性的解决方案。

主权项

一种基于嵌入式平台的神经网络模型在线训练方法，基于嵌入式平台的神经网络模型在线训练方法运行的系统主要由微控制器、存储器、人机交互接口、通信接口和信号输入输出接口等组成。其中，所述微控制器分别与存储器、人机交互接口、通信接口和信号输入输出接口相连接。其特征在于，该方法包括以下步骤：(1)获取相关训练与测试数据。(2)若数据格式不规范，则进行数据规范化处理，若数据格式规范则省略此步。(3)若要求手动设置相关参数则跳到第(6)步，否则自动设置参数。(4)根据神经网络在线训练规则自动调整相关参数，直到完成训练。(5)若训练结果的精度与实时性达到要求，则直接跳到第(8)步，否则继续。(6)手动设置相关参数，直至完成训练。(7)若训练结果的精度与实时性达到要求，则直接跳到第(8)步，否则回到第(6)步重新设置参数。(8)把训练结果应用于模式识别、参数估计或软测量，完成根据数据输入，给出模型预测输出。