基于 MLP 的 Learn++.NSE 非平稳数据分类中的数据归一化

数据挖掘 神经网络 时间序列 正常化
2022-02-15 03:12:23

我需要使用振动监测数据来预测技术综合状况。我们认为这些数据是非平稳的,即分布参数和描述性统计不是恒定的。我在 Learn++.NSE 中发现了此类任务的最佳算法之一,我们将它与 MLP 作为基础分类器一起使用。

据我所知,使用 ANN 的操作不需要规范化数据。我们决定使用均值、标准差和 sigmoidal 函数进行归一化。我们使用具有不同值分布参数的集合来训练集成网络。

所以,我的问题如下

  1. 如何在以前的网络评估期间规范化新的训练集?问题在于描述统计变化
  2. 如何在集成使用时规范化输入数据?当前的统计数据与以前的统计数据不同。
1个回答

批量归一化是快速学习和泛化的关键技术 [8]。本文中,为了输入时间序列的平稳性,提出了批量时间归一化层。