Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东鑫年信息科技有限公司康世华获国家专利权

山东鑫年信息科技有限公司康世华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东鑫年信息科技有限公司申请的专利基于信息深度整合的智慧养老服务管理方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118072971B

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410200067.3,技术领域涉及:G16H50/70;该发明授权基于信息深度整合的智慧养老服务管理方法是由康世华;王园杰设计研发完成,并于2024-02-23向国家知识产权局提交的专利申请。

基于信息深度整合的智慧养老服务管理方法在说明书摘要公布了:本发明涉及智慧养老技术领域,更进一步地,涉及基于信息深度整合的智慧养老服务管理方法。所述方法包括:步骤1:通过各种传感器采集每个老年人的健康数据;将同一时刻采集到的同一个老年人的健康数据作为一个样本,针对每个样本,提取样本的特征;将所有的样本组成样本数据集;将所有样本的特征组成特征数据集;步骤2:对样本数据集进行数据融合,得到融合数据集;步骤3:对时间序列中每个元素进行矩阵特征分析,以筛选出健康出现问题的老人,并发送信息给老人提示其健康出现问题。本发明通过多层玻尔兹曼机进行健康数据融合,提供连续监测、个性化服务和及时问题预警,以提高智慧养老服务的科学性和效果。

本发明授权基于信息深度整合的智慧养老服务管理方法在权利要求书中公布了:1.基于信息深度整合的智慧养老服务管理方法,其特征在于,所述方法包括: 步骤1:通过各种传感器采集每个老年人的健康数据;将同一时刻采集到的同一个老年人的健康数据作为一个样本,针对每个样本,提取样本的特征;将所有的样本组成样本数据集;将所有样本的特征组成特征数据集; 步骤2:对样本数据集进行数据融合,得到融合数据集,具体包括:初始化一个多层玻尔兹曼机,初始化连接权重和偏置;将样本数据集作为输入数据输入到多层玻尔兹曼机中;将多层玻尔兹曼机的状态定义为整个网络的状态,包括可见层和多个隐藏层的状态;使用Metropolis-Hastings采样方法来执行Gibbs采样,得到采样结果,以捕捉多层玻尔兹曼机的状态;基于采样结果,计算出能量函数相对于所有参数的梯度;采用自适应学习率策略来更新参数;将多层玻尔兹曼机的隐藏状态表示与样本数据集进行联合建模,以得到融合数据集; 步骤3:将一个时间段内的所有时刻的样本数据集对应的融合数据集按照时间先后顺序,组成一个时间序列,时间序列中每个元素为一个融合数据集,对时间序列进行序列特征分析,以判断在该时间段内,是否有老年人的健康出现问题;若有,则再对时间序列中每个元素进行矩阵特征分析,以筛选出健康出现问题的老人,并发送信息给老人提示其健康出现问题; 步骤2中多层玻尔兹曼机的能量函数使用如下公式进行表示: 其中,v为样本数据集,为多层玻尔兹曼机中可见层的状态向量,包含M个可见单元,代表样本数据集的特征,每个可见单元vi表示一个特征的取值;h1为第一个隐藏层的状态向量,包含N个隐藏单元;每个表示第一个隐藏层中的一个神经元的状态;h2,h3,...,hn均为额外隐藏层的状态向量,每个hk表示第k个隐藏层中的神经元的状态;Wij为连接可见层的第i个可见单元和第一个隐藏层的第j个神经元之间的连接权重;Wk为连接第k个隐藏层和第k+1个隐藏层之间的连接权重;bi为可见层的偏置,用于调整可见层第i个可见单元的激活阈值;cj为第一个隐藏层的偏置,用于调整第一个隐藏层的第j个神经元的激活阈值; Ev,h1,h2,…,hn为能量函数; 步骤2中将多层玻尔兹曼机的状态定义为整个网络的状态,得到多层玻尔兹曼状态机;所述多层玻尔兹曼状态机由以下公式确定: 其中,为可见层到第一个隐藏层的状态激活概率; 这里,表示第一个隐藏层的第j个神经元的状态,当给定可见层状态v时,它被激活的概率;第一个隐藏层的第j个神经元的状态,取值为0或1,分别表示神经元的激活状态或非激活状态;为第一个隐藏层的第j个神经元的偏置;为第k个隐藏层到第k+1个隐藏层的状态激活概率;其中,表示第k个隐藏层的第j个神经元的状态,当给定前一个隐藏层的状态hk-1时,它被激活的概率;表示连接第k-1个隐藏层的第j'个神经元和第k个隐藏层的第j”个神经元之间的连接权重;为第k个隐藏层的第j个神经元的偏置; 基于采样结果,计算出能量函数相对于所有参数的梯度的方法包括:对于连接权重Wij的梯度计算,使用以下公式进行计算: 其中,·data表示在样本数据集作为玻尔兹曼机的输入时的期望,·model表示在特征数据集作为玻尔兹曼机的输入时的期望;hsample为采样结果;对于连接权重Wk的梯度计算,其中k1,使用以下公式进行计算: 对于可见层偏置bi的梯度计算,使用以下公式进行计算: 对于隐藏层偏置的梯度计算,其中k1,使用以下公式进行计算:

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东鑫年信息科技有限公司,其通讯地址为:250098 山东省济南市中国(山东)自由贸易试验区济南片区新泺大街988号鲁商福瑞达广场A座1103;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。