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！

龙图腾网获悉郑州轻工业大学申请的专利基于对抗shapelet学习的阳极效应早期预报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：CN115423026B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202211129832.4，技术领域涉及：G06F18/241；该发明授权基于对抗shapelet学习的阳极效应早期预报方法是由岳伟超;万晓雪;钱晓亮;柴佳宁;侯凌峰;王乾;栗三一;任航丽;刘向龙设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本基于对抗shapelet学习的阳极效应早期预报方法在说明书摘要公布了：本发明提出了一种基于对抗shapelet学习的阳极效应早期预报方法，应用于故障位置、故障信号趋势的诊断与预测。其步骤为：首先，根据铝电解槽阳极的位置关系计算阳极电流信号的邻接矩阵；其次，根据阳极电流信号的邻接矩阵，获取自适应空间结构的shapelet学习分类器，并构建多头对抗神经网络；最后，利用自适应网络shapelet学习方法对抗神经网络进行优化，得到对抗神经网络模型；并将输入时间序列输入对抗神经网络模型得到分类结果。本发明通过建立自调节邻接矩阵作为自适应网络和多样性规则化的约束为后续的子序列特征学习；通过将对抗网络与shapelet学习方法相结合，加强了shapelets的可解释性。

本发明授权基于对抗shapelet学习的阳极效应早期预报方法在权利要求书中公布了：1.一种基于对抗shapelet学习的阳极效应早期预报方法，其特征在于，其步骤如下： 步骤一：根据铝电解槽阳极的位置关系计算阳极电流信号的邻接矩阵； 步骤二：根据步骤一的阳极电流信号的邻接矩阵，获取自适应空间结构的shapelet学习分类器； 步骤三：基于自适应空间结构的shapelet学习分类器构建多头对抗神经网络； 步骤四：利用梯度下降优化算法对抗神经网络进行优化，得到最终的多头对抗神经网络模型；并将输入时间序列输入多头对抗神经网络模型得到分类结果； 所述阳极电流信号的邻接矩阵的计算方法为： 定义阳极电流信号的图结构，并根据阳极电流信号的平面图计算阳极电流信号的距离表示矩阵Ma： 其中，代表了阳极vi和vj之间的水平距离，Va＝{v1a,v2a,…,v12a},Vb＝{v1b,v2b,…,v12b}是在同一阳极母线下的阳极的集合； 对距离表示矩阵Ma进行滤波得到矩阵Mr： 对矩阵Mr进行标准化，得到阳极电流信号的邻接矩阵M： 其中，是对角矩阵，是度矩阵； 所述自适应空间结构的shapelet学习分类器的实现方法为： 计算第k个shapeletsk与原始序列X的最小距离： 其中，表示sk与单变量时间序列Xn的距离，α表示软距离近似值的调整参数；距离的表达式为： 其中，dsk,Xj”,n表示子序列sk与Xj”,n之间的欧式距离； 通过定义参数矩阵Wk获取序列X的预测标签 其中，Dk表示sk与原始序列X的最小距离； 通过最小化损失函数LossC来获取准确率高的shapelets： 其中，λw表示分类器规则化的参数，λA表示自调整空间网络规则化的参数，W表示分类器的参数矩阵，表示第k个shapelet对应输入时间序列第u个变量的距离值，表示第k个shapelet对应输入时间序列第v个变量的距离值，综合邻接矩阵A表示输入X的网络空间联系，δ表示调节的系数，B表示输入X的反网络空间联系。

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市高新技术产业开发区科学大道136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。