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！

龙图腾网获悉中国矿业大学;沈阳盛世五寰科技有限公司申请的专利基于轻量化重构网络的可解释性时序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：CN117668720B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202311544478.6，技术领域涉及：G06F18/2433；该发明授权基于轻量化重构网络的可解释性时序数据异常检测方法是由代伟;程圆圆;冯泉;王昱栋;张威;王兰豪;刘鑫设计研发完成，并于2023-11-20向国家知识产权局提交的专利申请。

本基于轻量化重构网络的可解释性时序数据异常检测方法在说明书摘要公布了：本发明公开了一种基于轻量化重构网络的可解释性时序数据异常检测方法，包括如下步骤：获取时序数据进而构建数据集；构建编码网络以获得编码后的潜在特征；获得多个序列通道之间的依赖关系；将更新后的潜在特征输入到解码网络中以获得重构数据；构建生成器和判别器并采用对抗训练方法优化重构网络的参数；将待检测数据输入经过对抗训练优化后的重构网络，并通过分析重构误差来判断数据的异常状态，结合依赖关系图对异常状态进一步推断。本发明实现在轻量化和可解释性方面的进步，该方法不仅专注于精简网络结构，降低参数量，以便在资源受限的环境下高效部署，同时强调了构建的依赖关系，为异常状态的解释提供了有价值的信息。

本发明授权基于轻量化重构网络的可解释性时序数据异常检测方法在权利要求书中公布了：1.一种基于轻量化重构网络的可解释性时序数据异常检测方法，其特征在于，包括如下步骤： S1：获取时序数据进而构建数据集； S2：构建编码网络以获得编码后的潜在特征； S3：构建关系学习模块以获得多个序列通道之间的依赖关系； 步骤S3具体包括： S31：随机初始化节点：各节点随机初始化，用矩阵表示为； S32：使用全连接神经网络构建浅层网络进行表示学习：经过表示学习后得到节点表示，其中，表示学习网络； S33：构建各节点之间的依赖关系：根据公式构建关系矩阵A，其中E为各通道节点，Tanh和LeakyReLU为激活函数，为确保邻接矩阵的稀疏性，每个节点保留权重最大的个邻居,从而根据公式得到度矩阵，其中表示A矩阵的第1行第j列，表示第一个节点跟据邻居节点计算第一个节点的度；再根据公式得到关系矩阵，其中I表示单位矩阵，D-1表示度矩阵求逆，此处关系矩阵即多维时间序列的通道间依赖关系； S4：利用依赖关系更新数据的潜在特征，构造解码网络，将更新后的潜在特征输入到解码网络中以获得重构数据； S5：构建生成器和判别器并采用对抗训练方法优化由编码网络、关系学习模块和解码网络所构成的重构网络的参数； S6：将待检测数据输入经过对抗训练优化后的重构网络，并通过分析重构误差来判断数据的异常状态，结合依赖关系图对异常状态进一步推断。

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中国矿业大学;沈阳盛世五寰科技有限公司，其通讯地址为：221000 江苏省徐州市铜山区大学路1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。