基于神經(jīng)網(wǎng)絡(luò)的工業(yè)大數(shù)據(jù)分類模型與擬合模型研究.pdf

1、隨著大數(shù)據(jù)發(fā)展的日益精進，大數(shù)據(jù)的數(shù)據(jù)層次架構(gòu)，數(shù)據(jù)處理方法都日新月異。大數(shù)據(jù)在各行各業(yè)都開始占據(jù)重要的地位，數(shù)據(jù)即資產(chǎn)。工業(yè)向來也是數(shù)據(jù)產(chǎn)生與應(yīng)用的集中地，因此工業(yè)大數(shù)據(jù)的發(fā)展也是如火如荼。機器學習與神經(jīng)網(wǎng)絡(luò)技術(shù)在近些年的發(fā)展成熟，給大數(shù)據(jù)處理帶來了新的契機。正由于神經(jīng)網(wǎng)絡(luò)這種數(shù)據(jù)處理模式不同于傳統(tǒng)程序化設(shè)計，它的有導(dǎo)師學習僅需提供帶標簽的數(shù)據(jù)集作為訓練與測試數(shù)據(jù)集，即可令神經(jīng)網(wǎng)絡(luò)“學會”數(shù)據(jù)處理的過程。該模式大大增加了數(shù)據(jù)處理的效率

2、。
　　本文從以下方面針對大數(shù)據(jù)處理進行研究:
　　1)大數(shù)據(jù)建模技術(shù)，不同的大數(shù)據(jù)建模分析模型，針對原理進行分析和優(yōu)化。
　　2)TensorFlow的神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)，TensorFlow本身的框架結(jié)構(gòu)，以及其調(diào)用實現(xiàn)神經(jīng)網(wǎng)絡(luò)的方法。
　　3)工業(yè)大數(shù)據(jù)分類模型的應(yīng)用，以及不同的優(yōu)化方法，從其原理進行分析，對比不同優(yōu)化方法的差異
　　4)超聲檢測與使用傅里葉變換處理超聲檢測信號，模糊傅里葉變換的樣本獲取