10、深度学习AI建模实践案例解析

深度学习AI建模实践案例解析

1. 数据预处理与归一化

在深度学习AI建模的前期，预处理工作至关重要。预训练中使用的噪声是基于高斯分布的随机数，其概率密度函数为：
[f(x)=\frac{1}{\sqrt{2\pi\sigma^{2}}}\exp\left(-\frac{x^{2}}{2\sigma^{2}}\right)]

为了使不同变量具有相同的量级，需要对其进行归一化处理。表3.3给出了用于归一化的各变量的最大值和最小值示例。归一化公式如下：
[x’=\frac{x - x_{min}}{x_{max}-x_{min}}]

变量归一化有多种方法，但关键是要依据感兴趣的原始数据可能范围的工程知识进行调整。

2. 阶跃响应AR神经网络实践案例

2.1 阶跃响应AR神经网络组合模型

此模型结合了自回归（AR）模型和神经网络，用于建筑设施功率控制的阶跃响应动态建模。AR模型计算趋势特征，神经网络处理非线性特征，二者结合进行建模。

该组合模型由两种不同类型的AR模型和神经网络组成，其结构如图3.11所示：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A({输入}):::process --> B(预处理):::process
    B --> C(神经网络):::process
    B --> D(自回归):::process
    C --> E(