基于VAE的软测量缺失数据填补

Filling Missing Data in Soft Sensing based on VAE

作者： 李应聪 ¹
作者单位：

1. 北京化工大学
通讯作者： 李应聪 Email:2023200744@buct.edu.cn
提交时间：2024-01-05 13:30:26

摘要: 软测量在数据进行采集到应用的途中经常会出现数据缺失的情况，这将会大大降低建立的模型的精度。本文提出了基于变分自编码器(Variational Autoencoder)与GRU神经网络建立的填补模型，并通过实际工业流程验证了填补后数据的准确性。最后实验表明VAE填补模型在缺失率为10%和30%情况下的RMSE和MAE分别为3.316%，4.262%和2.386%，2.964%，相较于其他填补算法PCA和SVD均有更显著的效果，验证了该模型的可行性。

缺失数据填补 GRU VAE 软测量

来自： 李应聪
分类： 信息科学与系统科学 >> 控制科学与技术
投稿状态： 未投稿
引用： ChinaXiv:202401.00053 (或此版本 ChinaXiv:202401.00053V1)
DOI:10.12074/202401.00053V1
CSTR:32003.36.ChinaXiv.202401.00053.V1
推荐引用方式： 李应聪.(2024).基于VAE的软测量缺失数据填补.中国科学院科技论文预发布平台.[ChinaXiv:202401.00053] (点此复制)

版本历史

[V1]

2024-01-05 13:30:26

ChinaXiv:202401.00053V1

下载全文

相关论文推荐

1. Copula熵：理论和应用	2024-05-22
2. 一种基于能量-信息转换的智能测度	2024-03-30
3. 浅谈深度学习	2024-01-13
4. 基于深度学习的电动机故障诊断	2024-01-07
5. 深度学习综述	2024-01-06
6. 从自然场景图像中学习可动画的三维人脸模型	2024-01-06
7. 机器人监督员: 非侵入式算法公平性证明机制	2023-11-23
8. Evolutionary Tinkering Enriches the Hierarchical and Interlaced Structures in Amino Acid Sequences	2023-10-15
9. 热光近场空间相干性的多视图立体成像与三维重建方法	2023-10-12
10. 两类低重二元线性码的重量分布和重量谱	2023-02-18


公开评论匿名评论仅发给作者