CN119533582A 一种基于机器学习的房屋安全监测方法及系统 (上海且恩数据技术有限公司)_第1页
CN119533582A 一种基于机器学习的房屋安全监测方法及系统 (上海且恩数据技术有限公司)_第2页
CN119533582A 一种基于机器学习的房屋安全监测方法及系统 (上海且恩数据技术有限公司)_第3页
CN119533582A 一种基于机器学习的房屋安全监测方法及系统 (上海且恩数据技术有限公司)_第4页
CN119533582A 一种基于机器学习的房屋安全监测方法及系统 (上海且恩数据技术有限公司)_第5页
已阅读5页,还剩10页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于机器学习的房屋安全监测方法及本发明公开了一种基于机器学习的房屋安发明通过借助机器学习算法强大的数据处理能2所述步骤二中的数据清洗采用巴特沃斯低通滤波器,依据不同传感对于房屋安全监测,不同类型的数据将具有不同的特征维度,这些率值是模型经过前向传播计算得出的,且满足内层求和是针3对单个样本计算其交叉熵损失,外层求和是将所有样本的交叉熵损2.一种如权利要求1中所述的基于机器学习的房屋安全监测方法的房屋安全监测系3.一种如权利要求2中所述的基于机器学习的房屋安全监测方法的房屋安全监测系4.一种如权利要求3中所述的基于机器学习的房屋安全监测方法的房屋安全监测系云端服务器用于存储海量房屋监测历史数据,支持大数4难以对复杂多变的房屋实时状态予以精准判[0005]解决上述技术问题所采用的技术方案是:一种基于机器学习的房屋安全监测方外的压力差以及空气湿度对建筑材料的潜在影响等信息,并按照精确的时间序列进行存5采用软阈值进行判定:其中wj,k是小波系线性组合:z'=w'a-1+b'在房屋安全监测中,输入的数据包括从各种传感器个概率值是模型经过前向传播计算得出的,且满足内层求和是针对单个样本计算其交叉熵损失,外层求和是将所有样本的交叉6通信模块包括有线通信和无线通信组件,保障数据在传感器网络、数据处理中统能够对来自多种高精度传感器的数据进行深度分析。通过深度学习模型自动提取的特对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发7采用软阈值进行判定:其中wj,k是小波系[0021]所述步骤二中的数据清洗采用巴特沃斯低通滤波器,依据不同传感器数据的特[0022]所述步骤四中的机器学习采用神经网络模型训练公式,具体如下:线性组合:z'=w'a-1+b'在房屋安全监测中,输入的数据包括从各种传感器和图像采集设备收类别为第i类,则yj=1;否则x-0;iy是模型预测第i个样本属于第i类别的概率,这个概率值是模型经过前向传播计算得出的,且满足内层求和是针对单个样本计算其交叉熵损失,外层求和是将所有样本的交叉熵损失累8通信模块包括有线通信和

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论