一种基于深度置信网络的系统仿真方法

在现代制造企业中,系统仿真是提高生产效率,寻找改进点,暴露系统问题的必要手段。一般系统仿真使用的时间序列多为服从指数分布或由蒙特卡洛方法生成的随机时序,这已经不能满足日益复杂的制造系统的仿真需求。本文采用一种机器学习网络—深度置信网络(DBN),可以从少数实际生产时序中学习到高阶概率特征,并据此生成理论上无限多服从同样概率分布的时间序列,提高了系统仿真的可信度。