基于深度模糊认知图模型的可解释预测方法
授权
摘要
本发明公开了一种基于深度模糊认知图模型的可解释预测方法，将深度学习模型和FCM模型相结合，以非线性函数取代FCM中概念间的线性关系模型，以达到更好的预测性能；将两个概念间的因果关系建模为和系统当前各概念的输入状态相关，以建模概念间的动态因果关系；将影响系统的外部因素以附加的形式加入模型，以消除外部因素对系统的干扰，使模型可以得到准确的结果。
基本信息
专利标题 ：
基于深度模糊认知图模型的可解释预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109492760A
申请号 ：
CN201811573928.3
公开（公告）日 ：
2019-03-19
申请日 ：
2018-12-21
授权号 ：
CN109492760B
授权日 ：
2022-06-14
发明人 ：
王晓达李超王静远
申请人 ：
北京航空航天大学
申请人地址 ：
北京市海淀区学院路37号
代理机构 ：
北京慕达星云知识产权代理事务所(特殊普通合伙)
代理人 ：
李冉
优先权 ：
CN201811573928.3
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/06 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-14 ：
授权
2019-04-12 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20181221
申请日 : 20181221
2019-03-19 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
