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！

龙图腾网获悉吉林大学申请的专利基于自适应置信度主动学习的半监督疲劳试验状态监测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：CN120448981B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510953471.2，技术领域涉及：G06F18/2415；该发明授权基于自适应置信度主动学习的半监督疲劳试验状态监测方法是由刘鹏;孙语杋;黄国泰;高熙宇;赵安然;丁登航;李佳霖;陈柏杉;李欣泽设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于自适应置信度主动学习的半监督疲劳试验状态监测方法在说明书摘要公布了：本发明涉及一种基于自适应置信度主动学习的半监督疲劳试验状态监测方法，属于设备状态监测技术领域，解决传统监测方法存在标注成本高、工况适应性差等问题。首先构建疲劳试验状态监测数据组成的数据集，将其划分为初始训练集、主动学习集和验证集，然后采用LSTM构建状态识别模型，利用初始训练集预训练，预训练后通过添加Softmax函数构建主动学习模型，计算主动学习集样本置信度，筛选出低于阈值的样本，人工标注后形成再训练集，利用再训练集训练状态识别模型和调整超参数，最终在验证集上进行模型评估。本发明通过融合自适应置信度的主动学习与半监督学习机制，显著降低了对标注数据的依赖，标注成本更低，对复杂工况的适应性强。

本发明授权基于自适应置信度主动学习的半监督疲劳试验状态监测方法在权利要求书中公布了：1.基于自适应置信度主动学习的半监督疲劳试验状态监测方法，其特征在于，包括以下步骤： 步骤1：获取多传感器采集的疲劳试验状态监测数据，并对低采样频率的数据进行重采样，使其与高采样频率的数据对齐，得到数据集； 步骤2：将所述数据集划分为训练集和验证集，再将所述训练集划分为初始训练集和主动学习集，并对所述验证集和所述初始训练集中的所有样本进行人工标注； 步骤3：采用长短期记忆网络构建状态识别模型，在所述状态识别模型中： 遗忘门的公式为： ； 其中，为遗忘门的输出，取值范围在0到1之间；是激活函数；是遗忘门的权重矩阵；代表前一时刻的隐藏状态和当前时刻的输入的拼接；是遗忘门的偏置向量； 输入门的公式为： ； 其中，表示输入门的输出；是输入门的权重矩阵；是输入门的偏置向量； 细胞状态的公式为： ； 其中，是上一步的细胞状态；表示对上一步进行遗忘；表示将新的信息添加到细胞状态当中； 步骤4：使用所述初始训练集对所述状态识别模型进行预训练，并以值作为评估指标对预训练后的模型进行评估； 步骤5：对预训练后的模型的中的线性层的输出端添加Softmax激活函数，使模型输出样本类别概率，构建得到主动学习模型； 步骤6：将所述主动学习集输入到所述主动学习模型中，所述主动学习模型输出每个样本的置信度； 步骤7：筛选出所述主动学习集中低于置信度阈值的样本，组成再训练集，并对所述再训练集中的所有样本进行人工标注； 步骤8：将所述再训练集输入所述状态识别模型中进行再训练与超参数调整； 步骤9：将所述验证集输入到调整后的状态识别模型中，对模型进行评估。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。