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！

龙图腾网获悉浙江大学申请的专利一种基于时间点标签的多维时序数据神经网络建模方法及装置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：CN115860045B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211159248.3，技术领域涉及：G06N3/04；该发明授权一种基于时间点标签的多维时序数据神经网络建模方法及装置是由陈新;杨玉萍设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种基于时间点标签的多维时序数据神经网络建模方法及装置在说明书摘要公布了：本发明公开了一种基于时间点标签的多维时序数据神经网络建模方法及装置。本发明通过标签解码模块F实现对时序数据的标签标记作用，可以实现对存在时间点数据缺失或指标数据缺失的时序数据进行学习，允许使用较少的样本得到较好的训练效果；通过在标签解码模块和特征解码模块中嵌合串联的生成机制模型的网络结构，实现在统一的神经网络中完成允许观察缺失的特征提取和系统状态生成机制模型的训练，其训练误差在网络整体水平上计算，完成特征提取功能和生成机制模型功能的网络权重协同训练，可以达成特征提取网络和生成机制模型的适配，提升模型拟合精度。

本发明授权一种基于时间点标签的多维时序数据神经网络建模方法及装置在权利要求书中公布了：1.一种基于时间点标签的多维时序数据神经网络建模方法，其特征是，包括以下步骤： 1将原始观察数据进行规范化整理，得到形式统一的规范观察数据；经多个批次的观察得到多个批次的多维时间序列观察数据，每个批次的观察数据包括一组时间点，每个时间点的观察数据包括一组指标，每个指标的观察数据为一个具体的值；将多维时间序列观察数据整理为四元组的组织形式，即批次、时间、指标、值；根据现有数据的总时间点数，设置由时间标签标记的单位矩阵，其中时间标签标记的单位矩阵中第j列代表第j个时间点的标签数据；嵌合训练结构采用全连接结构；所述的观察数据具体为：所述的时序数据为以阿卡波糖为目标产物的放线菌发酵过程中测量得到，通过质谱测定每个样本中的各类化合物的丰度，选定其中与阿卡波糖合成相关的化合物q个，从每个时间点的样本的化合物丰度报告中提取这q个化合物的丰度，作为该时间点生物发酵系统状态的观察值； 2基于规范观察数据组织用于人工神经网络训练的训练例子； 3设计人工神经网络的结构，建立人工神经网络模型； 4利用步骤2中的训练例子对步骤3中建立的人工神经网络模型进行训练，得到人工神经网络的参数矩阵； 5利用步骤2中的训练例子，评估在设计人工神经网络结构的过程中使用的参数以及在对建立的人工神经网络模型进行训练的过程中使用的参数对所得的人工神经网络模型的精度影响，选取不同的参数组合下最优的人工神经网络模型作为最终的结果模型； 6基于最终结果模型，建立可以实现将观察数据转换为特征数据的编码器模块； 7利用编码器模块构建针对不同时间间隔系统状态变化预测的嵌合预测结构；利用嵌合预测结构，基于测试例子评估模型准确性，并对真实应用场景下的系统状态变化做出预测； 步骤3中所述的设计的神经网络结构具有如下特征： 其基本结构为一个嵌合训练结构F-Gn-D的神经网络；所述的嵌合训练结构依次由标签解码模块F、串联生成机制模块Gn、特征解码模块D三个模块组成；所述的标签解码模块和特征解码模块分别实现标签数据到特征数据和特征数据到观察数据的转换，使串联生成机制模块可在特征空间内学习系统的工作机制； 所述的串联生成机制模块中的一个神经网络单元可以对系统从当前状态变换为一个单位时间之后状态的工作机制进行建模，这样的网络单元称为单位时间正向变化生成器G单元；通过G单元的串联可以实现对系统经过多个单位时间发生的变化建模，由多个G单元的串联组成串联生成机制模块Gn； 步骤7中所述的嵌合预测结构具有如下特征： 所述的嵌合预测结构依次由编码器模块E、串联生成机制模块Gn、特征解码模块D三个模块依次嵌合组成；所述的编码器模块E和特征解码模块D分别实现观察数据到特征数据和特征数据到观察数据的转换，使串联生成机制模块可在特征空间内学习系统的工作机制。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；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”。