华中科技大学凌贺飞获国家专利权
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！
龙图腾网获悉华中科技大学申请的专利基于自监督和混合专家模型的传感器数据异常检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：CN117113244B 。
龙图腾网通过国家知识产权局官网在2025-10-03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：202310781306.4，技术领域涉及：G06F18/2433；该发明授权基于自监督和混合专家模型的传感器数据异常检测方法是由凌贺飞;潘曙辉;李平设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。
本基于自监督和混合专家模型的传感器数据异常检测方法在说明书摘要公布了：本发明公开了一种基于自监督和混合专家模型的传感器数据异常检测方法，属于设备传感器数据异常检测领域，使用混合专家模型结构，训练时将数据分配给不同的专家子模块进行学习，这样每个专家子模块只会处理部分的正常数据，从而对正常数据的决策边界有更精确的学习，尤其是当正常数据包含多种不同的数据分布时。混合专家模型相比于使用大模型对所有数据进行学习，能有效提升模型对异常数据的识别能力；通过设计构造多种自监督变换数据以及自监督辅助任务，强制模型对自监督变换数据的表现尽量与正常数据不同，尽量避免模型对异常数据表现出与正常数据相似特征的问题。
本发明授权基于自监督和混合专家模型的传感器数据异常检测方法在权利要求书中公布了：1.一种基于自监督和混合专家模型的传感器数据异常检测方法，其特征在于，包括： 训练阶段： S1，在包括M个连续的网络结构单元的深度无监督模型的任一潜在层或者输出层之后添加自监督模块，并采用混合专家模块替代所述深度无监督模型的N个连续的网络结构单元，得到异常检测模型；所述混合专家模块包括门控网络G及由G控制的E个专家子模块，各专家子模块均包括所述N个连续的网络结构单元，所述门控网络G用于根据各专家子模块的路由权重确定被激活的专家子模块，N＜M； S2，将所述异常检测模型的损失函数、自监督损失函数、门控网络损失函数之和作为总损失函数，以最小化所述总损失函数为目标，采用目标训练集训练所述异常检测模型； S3，基于测试集对训练好的异常检测模型进行测试，以确定异常得分阈值； 应用阶段： 将待检测的传感器数据输入至训练好的异常检测模型，并根据异常检测模型的输出计算待检测的传感器数据的异常得分，若其高于所述异常得分阈值，则检测结果为异常，否则为正常。
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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。
以上内容由龙图腾AI智能生成。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励