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 > 谷斗科技(上海)有限公司沈兵获国家专利权

谷斗科技(上海)有限公司沈兵获国家专利权

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!

龙图腾网获悉谷斗科技(上海)有限公司申请的专利一种基于神经网络模型的工业决策智能化生成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:CN120387030B

龙图腾网通过国家知识产权局官网在2025-08-29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:202510875164.7,技术领域涉及:G06F18/214;该发明授权一种基于神经网络模型的工业决策智能化生成方法是由沈兵;李倩设计研发完成,并于2025-06-27向国家知识产权局提交的专利申请。

一种基于神经网络模型的工业决策智能化生成方法在说明书摘要公布了:本发明提供了一种基于神经网络模型的工业决策智能化生成方法,属于智能决策技术领域,包括:构建神经网络模型;提取每个第一决策样本基于神经网络模型的决策差异,并对神经网络模型中的每个隐藏层增设神经元;确定每个第一决策样本在第一工业场景中的最优变量,且结合历史最优概率对相应第一决策样本进行优化处理得到第二决策样本;获取与工业任务相关的第二工业场景中的第三决策样本且结合第二决策样本针对增设神经元后的神经网络模型进行训练得到工业决策模型;获取新的工业任务的工业异常并输入到工业决策模型中,自动生成智能化决策方案。能够快速、准确地针对各类生产问题生成智能化决策方案,降低决策失误。

本发明授权一种基于神经网络模型的工业决策智能化生成方法在权利要求书中公布了:1.一种基于神经网络模型的工业决策智能化生成方法,其特征在于,包括: 步骤1:构建神经网络模型,其中,所述神经网络模型基于与工业任务相关的第一工业场景中的第一决策样本训练得到,用于针对所述第一工业场景中的设备运行判定、生产工艺判定以及质量检测判定; 步骤2:提取每个第一决策样本基于神经网络模型的决策差异,并对所述神经网络模型中的每个隐藏层增设神经元; 步骤3:确定每个第一决策样本在第一工业场景中的最优变量,且结合历史最优概率对相应第一决策样本进行优化处理得到第二决策样本; 步骤4:获取与工业任务相关的第二工业场景中的第三决策样本且结合第二决策样本针对增设神经元后的神经网络模型进行训练得到工业决策模型; 步骤5:获取新的工业任务的工业异常并输入到工业决策模型中,自动生成智能化决策方案; 其中,对所述神经网络模型中的每个隐藏层增设神经元,包括: 从所述第一决策样本中提取实际输入向量,并输入到所述神经网络模型中得到预测输出向量,将所述预测输出向量与输入-输出向量中的实际输出向量进行对比,构建决策差异; 根据每个决策差异确定对应隐藏层的神经元的待补充数量得到所有隐藏层的增设数组,并构建增设矩阵得到增设特征向量以及每个隐藏层的方差; 提取所述增设特征向量中每个隐藏层的特征系数以及方差,且基于增设矩阵提取每个隐藏层的平均数量,从平均-系数-方差-数量对照表中匹配对应隐藏层的神经元的增设数量,并对相应隐藏层进行补充; 其中,根据每个决策差异确定每个隐藏层的神经元的待补充数量,包括: 根据每个差异决策在对应隐藏层的预测路径以及每个神经元的预测误差,确定对应隐藏层的神经元增设位置,其中,所述神经元的增设位置为对应隐藏层的预测路径中的第一个神经元之前的位置或对应隐藏层的预测路径中的最后一个神经元之后的位置; 同时,根据每个神经元的预测误差确定对应隐藏层的神经元的待补充数量; ; 其中,表示第j个隐藏层的待补充数量;表示第i2个第一决策样本基于第j个隐藏层下的预测路径中的第i1个神经元的预测误差;表示m1个第一决策样本基于第j个隐藏层下的预测路径中的所有神经元的预测误差和的最大误差;n表示基于第j个隐藏层下的预测路径中的神经元的总数量;表示经验系数,取值为1.2;m1表示第一决策样本的数量;表示向上取整符号。

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谷斗科技(上海)有限公司,其通讯地址为:201900 上海市宝山区呼兰西路100号1幢9层A座;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。