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！

龙图腾网获悉浙江工业大学申请的专利一种基于图结构掩码自编码器的制糖厂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：CN115456055B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211038693.4，技术领域涉及：G06F18/2433；该发明授权一种基于图结构掩码自编码器的制糖厂数据异常检测方法是由刘毅;贾明伟;胡俊浩设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种基于图结构掩码自编码器的制糖厂数据异常检测方法在说明书摘要公布了：一种基于图结构掩码自编码器的制糖厂数据异常检测方法，属于制糖厂生产过程数据异常检测技术领域。它包括以下步骤：1数据的获取和整合：提取正常数据设置为训练集，提取异常数据设置为测试集；2建立因果有向图：根据生产流程图，对其变量之间构建因果有向图；3构建基于图结构掩码自编码器的数据异常检测模型；4检测异常：计算将测试集输入模型得到的重构结果与输入数据之间的差，并对输入数据是否异常进行判定。本发明采用基于图结构掩码自编码器的数据异常检测方法，提高了异常检测的效果，能够准确的找出异常时间和异常变量，具有普遍性和通用性。

本发明授权一种基于图结构掩码自编码器的制糖厂数据异常检测方法在权利要求书中公布了：1.一种基于图结构掩码自编码器的制糖厂数据异常检测方法，其特征在于所述方法包括以下步骤： 1数据的获取和整合：提取正常数据设置为训练集，提取异常数据设置为测试集，并设置滑动窗口； 2建立因果有向图：根据生产流程图，对其变量之间构建因果有向图； 3建模训练：构建基于图结构掩码自编码器的数据异常检测模型；步骤3的具体过程如下： 步骤3.1：是基于图注意力和Transformer构建异常检测模型；对于图G，其中V是节点数，T是每个节点中的特征数；使用权重矩阵对每个节点进行线性变换，F表示线性变换后的维度；在节点上执行自注意机制以计算注意力系数eij： eij＝axiW,xjW1 eij表明了节点j的特征对节点i的重要性；该公式允许每个节点关注其他所有节点，通过掩码将图结构融入到该机制中，仅计算节点的eij，其中是图中节点i的邻域；为了使不同节点之间的系数易于比较，使用softmax函数对j的所有选择进行归一化，公式如下： 其中，σ.为LeakyReLU激活函数； 其中，h表示头的数量，αij表示两个节点间的注意力系数，WhQ、WhK和WhV分别是将Q、K和V投影到hth线性空间的映射权重；B为比例因子，表示数据时间步；Q、K、V经过线性变换后，利用多头注意力机制构建它们的长期依赖关系； 步骤3.2：将步骤3.1中的层按顺序堆叠，获得一个不对称的自编码器结构； 4检测异常：计算将测试集输入模型得到的重构结果与输入数据之间的差，并对输入数据是否异常进行判定；步骤4的具体过程如下： 步骤4.1：建立变量拓扑图AT和变量学习图AL，并以变量拓扑图为主导，结合变量学习图生成变量关系图AG；对数据分成不同token并且随机遮掩50％的token获得遮掩数据d是嵌入维度，c是token的数量； 步骤4.2：将本征嵌入展平得到随机初始化一个掩码向量并在第一维度复制V×c2次得到被掩码数据将本征嵌入与被掩码数据根据第一个维度拼接，随后堆叠多层注意力解码层的多头注意力机制对本征嵌入进行解码； 步骤4.3：通过KL损失对模型进行训练，使得重构数据的分布于输入数据趋于一致；最后计算重构数据与输入数据之间时刻级重构损失，完成对异常的检测和定位。

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工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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。