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！

龙图腾网获悉大连理工大学申请的专利基于多任务学习的气体识别和浓度预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：CN119849298B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411900712.9，技术领域涉及：G06F30/27；该发明授权基于多任务学习的气体识别和浓度预测方法是由李治澎;朱慧超;张建伟设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于多任务学习的气体识别和浓度预测方法在说明书摘要公布了：基于多任务学习的气体识别和浓度预测方法，其属于人工智能技术领域。该方法能够将气体数据通过多任务学习的方法同时进行气体分类和浓度预测，由于气体数据是时间序列，故选择GRU单元提取气体数据特征，增加注意力机制为GRU的输出分配权重，从而增强对气体数据的特征聚焦。此外利用PSO算法寻找网络结构中参数的最优组合，最终将气体识别与浓度预测两个子任务与共享特征提取层结合，并进行网络训练。本方法取得了良好的分类识别及浓度预测效果，为气体识别及浓度预测相关开发应用提供了技术保障。

本发明授权基于多任务学习的气体识别和浓度预测方法在权利要求书中公布了：1.基于多任务学习的气体识别和浓度预测方法，其特征在于，包括如下步骤： 步骤1.获取气体传感器阵列在相同温度和湿度下对待测气体的响应数据集，所获取的传感器响应数据包括传感器阵列对多种不同比例浓度下二元混合气体的响应； 步骤2.对经过步骤1获得的传感器响应数据分别进行等间隔采样以及Min-Max归一化预处理； 步骤2.1.Min-Max归一化公式： 其中，Xnorm为归一化后的值，Xmin为数据中最小值，Xmax为数据中的最大值； 步骤2.2.将得到的多通道的气体响应数据构建训练集，验证集和测试集； 步骤3.将训练集数据输入多任务学习网络中进行训练，每个子任务的损失函数进行加权求和作为总损失函数，并保存效果最佳的模型；步骤3.1.将数据中每个时间步长利用GRU单元处理得到输出数据，捕获输入序列的时序特征和依赖关系； 步骤3.2.将每个时间步长经GRU的输出输入注意力层；增强模型对时间序列的关键信息捕捉； 步骤3.3.随后将注意力层输出的特征向量分别送入气体识别任务和浓度预测任务的子网络进行处理；进行分类模型和回归模型的训练；步骤3.4.气体识别任务采用交叉熵函数作为损失函数，浓度预测任务采用均方误差MSE作为损失函数； 步骤3.5.采用子任务的损失函数加权求和以及L2正则化方法对模型进行优化； 总损失函数表示为： 其中Ltotal表示总损失函数，wi和Li分别表示第i个任务的权值和损失函数；损失函数的最终表达式为： Loss＝λ1Lr+λ2Lc+θ||Wr||2+||Wc||2 λ1和λ2分别表示浓度预测任务和气体分类任务的权重；θ为正则化项的权值，||Wr||2和||Wc||2表示范数； 步骤3.6.采用粒子群算法在模型训练过程中调整各损失函数的权值,从而寻找最优解，提高训练效率，优化模型性能； 步骤4.加载最佳的多任务网络模型，将气体数据传入模型中判断气体的特征信息并输出的气体类别以及气体浓度。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。