Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都数据集团股份有限公司黄海获国家专利权

成都数据集团股份有限公司黄海获国家专利权

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!

龙图腾网获悉成都数据集团股份有限公司申请的专利一种基于深度强化学习的数据流处理方法及系统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:CN120745743B

龙图腾网通过国家知识产权局官网在2025-11-14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:202511156546.0,技术领域涉及:G06N3/092;该发明授权一种基于深度强化学习的数据流处理方法及系统是由黄海;李道欣;冷洋;徐露玮设计研发完成,并于2025-08-19向国家知识产权局提交的专利申请。

一种基于深度强化学习的数据流处理方法及系统在说明书摘要公布了:本发明公开了一种基于深度强化学习的数据流处理方法及系统,涉及工业物联网技术领域。包括有:S1:构建拓扑图神经网络,并通过多头图注意力机制,确定出设备拓扑特征的特征相似度权重,将源域和目标域的设备拓扑特征进行动态对齐;S2:通过深度强化学习模型设置主通道,通过时序对比元学习模型设置辅助通道,获取设备的健康度评估和故障模式特征;S3:根据所述健康度评估和故障模式特征,对数据流进行监测,并通过神经架构搜索模型,对网络结构进行重组。本发明解决了工业物联网中设备异构性带来的迁移学习难题,能够动态平衡物理距离、工艺耦合与特征相似性,提高源域模型在目标域的初始准确率,减少目标域所需的标注数据量。

本发明授权一种基于深度强化学习的数据流处理方法及系统在权利要求书中公布了:1.一种基于深度强化学习的数据流处理方法,其特征在于,包括有: S1:拓扑特征对齐:根据设备型号和安装位置,构建拓扑图神经网络,并通过多头图注意力机制,确定出设备拓扑特征的特征相似度权重,同时根据所述特征相似度权重,将源域和目标域的设备拓扑特征进行动态对齐,包括有: S1.1:拓扑图构建:根据设备的功能类型、安装区域编号和传感器数据,对超图顶点进行标识,同时根据设备机械连接图纸和物料传输路径,构建物理连接超边,根据生产工艺流程和功能模块划分,构建系统级超边,并通过所述超图顶点、物理连接超边和系统级超边,构建拓扑图神经网络,包括有: S1.1.1:确定顶点特征:根据所述传感器数据,获取时域特征和频域特征,同时将所述时域特征和频域特征进行结合,构建得到顶点特征向量; S1.1.2:确定超边权重:根据所述物理距离和工艺耦合程度,获取得到物理距离权重和工艺耦合系数,并根据所述物理距离权重和工艺耦合系数,确定出综合权重,具体为: , 其中:为第i个超图顶点和第j个超图顶点之间的综合权重,为第i个超图顶点和第j个超图顶点之间的物理距离权重,为第i个超图顶点和第j个超图顶点之间的工艺耦合系数,为第i个超图顶点的顶点特征向量,为第i个超图顶点和第j个超图顶点之间的特征相似度,为最大相似度,为高斯核宽度,为自然对数底数,为第j个超图顶点的顶点特征向量; S1.2:跨域特征对齐:通过多头图注意力机制,将源域的拓扑图神经网络和目标域的拓扑图神经网络进行对齐,获取得到源域和目标域之间的节点相似度; S2:双通道处理:通过深度强化学习模型设置主通道,通过时序对比元学习模型设置辅助通道,并通过所述主通道和辅助通道,获取设备的健康度评估和故障模式特征; S3:动态适应:根据所述健康度评估和故障模式特征,对数据流进行监测,并根据监测结果,通过神经架构搜索模型,对网络结构进行重组。

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成都数据集团股份有限公司,其通讯地址为:610000 四川省成都市中国(四川)自由贸易试验区成都高新区吉瑞四路399号1栋8楼5、6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。