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！

龙图腾网获悉浙江大学申请的专利一种用于多维序列数据的多模生成对抗神经网络建模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：CN116306832B 。

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：202310285116.3，技术领域涉及：G06N3/0475；该发明授权一种用于多维序列数据的多模生成对抗神经网络建模方法及装置是由陈新;许韶华设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种用于多维序列数据的多模生成对抗神经网络建模方法及装置在说明书摘要公布了：本发明公开了一种用于多维序列数据的多模生成对抗网络建模方法及装置。包括将原始观察数据进行规范化整理，得到形式统一的规范观察数据，基于规范观察数据组织用于多模生成对抗网络模型训练的例子，设计基础模块的结构以及训练模式，建立多模生成对抗网络模型等步骤。本模型适用于对存在部分指标数据缺失的序列数据进行学习，减少残缺数据样本的浪费。同时在特征空间中对模型进行训练，降低了数据维度和模型训练的复杂度，避免过拟合现象的出现，在模型的训练中，不断更新同一位置的多种可能的特征数据，增加了潜在可用于训练的例子；相比于传统的生成对抗网络，需要使用大量的正样本用于模型训练。

本发明授权一种用于多维序列数据的多模生成对抗神经网络建模方法及装置在权利要求书中公布了：1.一种用于多维序列数据的多模生成对抗网络建模方法，其特征在于，包括以下步骤： 1将原始观察数据进行规范化整理，得到形式统一的规范观察数据； 2基于规范观察数据组织用于多模生成对抗网络模型训练例子； 3设计基础模块的结构以及训练模式，建立多模生成对抗网络模型； 4利用步骤2中的训练例子对步骤3中建立的多模生成对抗网络模型进行训练，得到模型的参数矩阵； 5利用步骤2中的训练例子，评估步骤3所设计的多模生成对抗网络模型结构以及步骤4训练过程所更新的参数对模型精度的影响，选取不同结构与参数组合下最优的结果作为最终的发酵时序模型； 6基于最终的发酵时序模型，使用测试例子来评估模型的准确性，并对真实应用场景下的系统状态变化做出预测； 所述的步骤3中的多模生成对抗网络模型具有如下特征： 其结构为一个包含三种基础模块的神经网络：分别为数据发生器F、生成器G和鉴别器D；其中每个时间点对应一个数据发生器F，为一个具有固定数值起始单元的单层或多层的神经网络结构，由数据发生器F和鉴别器D构成发生-鉴别嵌合模块F-D，用于每个时间点特征数据的提取以及鉴别器D的训练；由数据发生器F、生成器G和鉴别器D构成生成-鉴别嵌合模块F-G-D，用于对单位时间后特征数据的生成以及生成器的训练，在发生-鉴别嵌合模块F-D和生成-鉴别嵌合模块F-G-D两种模式的交替训练下，能够实现在最优的特征空间内对发酵时序模型的训练； 所述的基础模块结构按如下方式建立：每个时间点对应一个数据发生器F，输入层为一个具有固定数值的神经元，输出层神经元节点数为特征数据维数；生成器G的输入层和输出层的神经元节点数均为特征数据维数；鉴别器D的输入层神经元节点数为特征数据维数，输出层神经元节点数为观察数据维数，所有模型结构采用全连接结构。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。