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！

龙图腾网获悉北京科技大学申请的专利潜在可预测性嵌入深度学习的工业过程软测量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：CN120013325B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510030107.9，技术领域涉及：G06Q10/0639；该发明授权潜在可预测性嵌入深度学习的工业过程软测量方法及装置是由杨旭;张政煊;黄健;高晶晶;张涛;崔家瑞设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本潜在可预测性嵌入深度学习的工业过程软测量方法及装置在说明书摘要公布了：本发明提供一种潜在可预测性嵌入深度学习的工业过程软测量方法及装置，涉及深度学习工业过程软测量技术领域。该方法包括：根据变分循环网络构建的潜在特征的概率动态模型、训练数据集构造的时间图和时间滞后常数设计可预测性正则化项，构建概率潜在可预测性模型嵌入的目标相关自编码器，搭建概率潜在可预测性模型嵌入的监督深度网络，得到工业生产过程的质量变量预测值。本发明首先设计了利用概率分布的潜在特征预测设计正则化项，并通过联合训练模型优化网络参数以确保网络的整体收敛。其次提出了一种改进的变分图循环神经网络，将随机性纳入高级潜在空间，对监督深度网络的潜在可预测性进行建模，添加额外的图结构信息来帮助分析时间依赖性。

本发明授权潜在可预测性嵌入深度学习的工业过程软测量方法及装置在权利要求书中公布了：1.一种潜在可预测性嵌入深度学习的工业过程软测量方法，其特征在于，所述方法包括： S1、获取工业生产过程数据，对所述工业生产过程数据进行预处理，得到训练数据集； S2、对所述训练数据集的时间相关性进行分析，选取时间滞后常数； S3、根据变分循环网络构建的潜在特征的概率动态模型、训练数据集构造的时间图以及所述时间滞后常数，设计可预测性正则化项，根据所述可预测性正则化项构建概率潜在可预测性模型嵌入的目标相关自编码器； S4、将多个所述概率潜在可预测性模型嵌入的目标相关自编码器进行堆叠，搭建概率潜在可预测性模型嵌入的监督深度网络，对所述概率潜在可预测性模型嵌入的监督深度网络进行逐层训练，得到经过验证的概率潜在可预测性模型嵌入的监督深度网络； S5、获取工业生产过程中的过程变量，输入到所述经过验证的概率潜在可预测性模型嵌入的监督深度网络，得到工业生产过程的质量变量预测值； 所述S3中的根据变分循环网络构建的潜在特征的概率动态模型、训练数据集构造的时间图以及所述时间滞后常数，设计可预测性正则化项，包括： 将训练数据集输入到目标相关自编码器的编码层，经过变换获得一个潜在特征空间，最小化潜在特征空间中投影随机变量的方差之和； 其中，根据训练数据集构造的时间图以及变分循环网络构建的潜在特征的概率动态模型，构建潜在特征的跨时间的自相关性，利用负对数似然设计可预测性正则化项； 将所述可预测性正则化项加入到目标相关自编码器的损失函数中，得到概率潜在可预测性模型嵌入的监督深度网络的损失函数； 所述时间图，用于引导正则化项，使得潜在特征的概率动态模型中重构的潜在特征能够尽可能地保持原始数据中的时间图结构； 所述S3中的训练数据集构造时间图，包括： 对训练数据集进行增广，得到增广后的数据，根据增广后的数据中的原始数据向量与其个时间步长的原始数据向量的概率分布差异，度量个时间步长的原始数据向量之间的距离，进而构造时间图；其中，表示时间滞后常数。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。