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！

龙图腾网获悉北京航空航天大学申请的专利一种基于长短时记忆网络的光度曲线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：CN120451744B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510611350.X，技术领域涉及：G06V10/82；该发明授权一种基于长短时记忆网络的光度曲线异常检测方法是由尹继豪;李惟潇;张余;陈果设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本一种基于长短时记忆网络的光度曲线异常检测方法在说明书摘要公布了：本发明提出了一种基于长短时记忆网络的光度曲线异常检测方法，涉及空间目标智能感知技术领域。针对现有技术中依赖标注数据、噪声敏感及局部异常捕捉能力不足等问题，通过构建无监督学习框架实现高精度异常识别。本发明通过长短时记忆网络对时序依赖关系进行建模，并引入时间注意力机制动态聚焦关键时间步，提升了模型的异常检测精度。本发明为空间目标异动感知提供了高效解决方案，适用于地球同步轨道及地月空间等复杂场景的实时监测。

本发明授权一种基于长短时记忆网络的光度曲线异常检测方法在权利要求书中公布了：1.一种基于长短时记忆网络的光度曲线异常检测方法，其特征在于，包括以下步骤： 步骤1将包含正常和异常数据的光度曲线仿真数据集划分为训练集和测试集，并对训练集和测试集进行预处理；其中训练集中仅包含正常数据，测试集中每条光度曲线数据至少包含一个异常点； 步骤2采用滑动窗口将光度曲线分割为固定长度的历史序列，构建输入样本； 步骤3利用长短时记忆网络对当前窗口内数据的时序依赖关系进行建模，得到每个时间步的隐藏状态； 步骤4利用时间注意力模块为每个时间步的隐藏状态计算注意力得分，并将每个时间步的隐藏状态与注意力得分相乘，通过输出模块后，得到对当前窗口对应下一时刻的星等值的预测； 步骤5根据模型对星等值的预测与实际观测值计算预测误差，并基于训练集误差的统计分布确定阈值，判别异常事件； 所述步骤3中，长短时记忆网络包含2个LSTM层，每层包含64个隐藏单元，输入维度为1，输出维度为64；利用长短时记忆网络对当前窗口内数据的时序依赖关系进行建模，得到每个时间步的隐藏状态； 给定输入序列： ， 长短时记忆网络对于每个时间步进行如下处理： 首先是遗忘门；遗忘门决定了在当前时间步保存或遗忘多少历史信息： ， 其中，决定了这部分信息是被遗忘还是被保留，是前一时间步的隐藏状态，是遗忘门的权重矩阵，是遗忘门的偏置向量，是sigmoid激活函数； 接下来是输入门；输入门控制了将多少新信息加入到当前的单元状态中： ， ， 其中，为激活函数，和是输入门中相应的权重矩阵，和是相应的偏置向量，根据遗忘门和输入门得到的结果，当前时间步的单元状态将被更新： ， 其中，代表了在当前时间步的单元状态中引入新信息的量，代表了候选的单元状态信息； 最后是输出门，输出门决定了当前时间步的单元状态中，有多少信息被输出为隐藏状态，作为当前时间步的输出以及传递给下一时间步： ， ， 其中，决定了当前单元状态中有多少信息被输出，为当前时间步的隐藏状态，为输出门的权重矩阵，为输出门的偏置向量； 所述步骤4中，时间注意力模块由一个全连接层、一个tanh激活函数、一个全连接层和一个softmax层组成，其中第一个全连接层输入维度为64，输出维度为32；第二个全连接层输入维度为32，输出维度为1；输出模块由一个dropout层和一个全连接层组成，全连接层输入维度为64，输出维度为1； 对于长短时记忆网络输出的每个时间步的隐藏状态，经过时间注意力模块计算出一个注意力得分： ， 其中，和是第一个全连接层对应的权重矩阵和偏置向量，和是第二个全连接层对应的权重矩阵和偏置向量，和为激活函数，将注意力得分再与隐藏状态相乘，并对所有时间步进行累加，得到特征向量C： 最后，特征向量C通过输出模块后，即可得到对当前窗口对应下一时刻的星等值的预测： 其中，R是一个与C形状相同的掩膜向量，R中的每个元素是从伯努利分布中按照概率p随机采样得到；掩膜R与特征向量C进行逐元素相乘，并经过比例因子进行尺度缩放后，得到特征向量，特征向量最后通过一个权重矩阵为、偏置向量为的全连接层，得到最终的星等值预测输出。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。