本發明公開了一種動態機器學習方法,該方法包括以下步驟:1)基于控制系統已有的歷史數據樣本,按照極限學習機算法規則訓練當前ELM網絡;2)采集的最新數據樣本按照數據周期劃分;3)開始第一個數據周期,基于原有樣本及第一個數據周期的新增樣本重新訓練當前ELM網絡;4)對第k個周期,計算不同數據周期數據樣本的有效學習率;5)重新訓練當前周期對應的ELM網絡;6)若未達到下一數據周期開始時刻,則將當前數據周期對應的ELM網絡用于進行預測,并將預測結果作用于對應的控制系統;若已達到下一數據周期開始時刻,則跳至步驟4)。本發明方法動態地對不同時段數據樣本予以差異化學習和利用,能有效提高最終預測結果的適用度。
聲明:
“動態機器學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)