買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué);華東交通大學(xué);浙江省能源集團(tuán)有限公司申請(qǐng)的專(zhuān)利一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法與系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119537927B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510108280.6，技術(shù)領(lǐng)域涉及：G06F18/2135；該發(fā)明授權(quán)一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法與系統(tǒng)是由趙春暉;李寶學(xué);李清毅;劉盛輝;朱松強(qiáng);張國(guó)民;紀(jì)培棟設(shè)計(jì)研發(fā)完成，并于2025-01-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法與系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法與系統(tǒng)，該方法包括：首先面對(duì)工業(yè)時(shí)間序列數(shù)據(jù)缺乏直觀特征的問(wèn)題，采用數(shù)據(jù)集特征工程方法從通用統(tǒng)計(jì)特征、分布形狀特征、任務(wù)相關(guān)特征以及外源知識(shí)嵌入四個(gè)角度提取出每個(gè)案例的數(shù)據(jù)集特征；然后設(shè)計(jì)一種基于寬度學(xué)習(xí)的映射關(guān)系學(xué)習(xí)策略，將每個(gè)案例的數(shù)據(jù)集特征與其對(duì)應(yīng)的模型得分向量進(jìn)行映射，從而賦予寬度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測(cè)模型性能的能力；最后，出于對(duì)工業(yè)場(chǎng)景多重增量需求的驅(qū)動(dòng)，提出了一種三重增量策略，分別對(duì)于監(jiān)測(cè)案例增量、候選模型增量以及推薦節(jié)點(diǎn)增量這三種情況設(shè)計(jì)了寬度學(xué)習(xí)網(wǎng)絡(luò)的更新策略，從而不斷擴(kuò)展與增強(qiáng)本方法的推薦能力。本發(fā)明能夠?yàn)楣I(yè)過(guò)程推薦出性能最優(yōu)的檢測(cè)模型。

本發(fā)明授權(quán)一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法與系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種工業(yè)過(guò)程監(jiān)測(cè)模型智能推薦方法，其特征在于，包括以下步驟：1獲取N個(gè)工業(yè)對(duì)象的時(shí)間序列數(shù)據(jù)集，采用數(shù)據(jù)集特征工程方法對(duì)所有的時(shí)間序列數(shù)據(jù)集進(jìn)行處理，以獲取每個(gè)時(shí)間序列數(shù)據(jù)集對(duì)應(yīng)的數(shù)據(jù)集特征向量，并將所有的數(shù)據(jù)集特征向量拼接在一起，得到數(shù)據(jù)集特征矩陣；其中，每個(gè)時(shí)間序列數(shù)據(jù)集對(duì)應(yīng)的數(shù)據(jù)集特征向量包括對(duì)應(yīng)時(shí)間序列數(shù)據(jù)集的通用統(tǒng)計(jì)特征、分布形狀特征、任務(wù)相關(guān)特征以及外源知識(shí)嵌入特征；2對(duì)于每個(gè)時(shí)間序列數(shù)據(jù)集，利用該時(shí)間序列數(shù)據(jù)集中的訓(xùn)練集數(shù)據(jù)訓(xùn)練預(yù)設(shè)的M個(gè)不同的模型，并在測(cè)試集數(shù)據(jù)上進(jìn)行測(cè)試，得到該時(shí)間序列數(shù)據(jù)集對(duì)應(yīng)的所有模型的測(cè)試結(jié)果組成的數(shù)據(jù)集得分向量，并將所有的數(shù)據(jù)集得分向量進(jìn)行拼接，得到數(shù)據(jù)集得分矩陣；3利用數(shù)據(jù)集特征矩陣和數(shù)據(jù)集得分矩陣，訓(xùn)練用于建立特征矩陣與得分矩陣的映射關(guān)系的寬度學(xué)習(xí)網(wǎng)絡(luò)，以獲取訓(xùn)練好的寬度學(xué)習(xí)網(wǎng)絡(luò)；并采用三重增量策略對(duì)訓(xùn)練好的寬度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行增量更新與優(yōu)化，以獲取更新后的寬度學(xué)習(xí)網(wǎng)絡(luò)；其中，所述三重增量策略包括監(jiān)測(cè)案例增量、候選模型增量以及推薦節(jié)點(diǎn)增量的更新策略；所述監(jiān)測(cè)案例增量的更新策略具體包括：當(dāng)收集到新的時(shí)間序列數(shù)據(jù)集時(shí)，先獲取新增的數(shù)據(jù)集特征矩陣和數(shù)據(jù)集得分矩陣則新增的時(shí)間序列數(shù)據(jù)集所對(duì)應(yīng)的特征節(jié)點(diǎn)和增強(qiáng)節(jié)點(diǎn)分別表示為： 其中，ZR,a表示新增的時(shí)間序列數(shù)據(jù)集所對(duì)應(yīng)的拼接后的特征節(jié)點(diǎn)，N′表示新增的時(shí)間序列數(shù)據(jù)集的數(shù)量，Ha表示新增的時(shí)間序列數(shù)據(jù)集所對(duì)應(yīng)的增強(qiáng)節(jié)點(diǎn)；記新增的輸入數(shù)據(jù)Aa＝[ZR,a|Ha]，則更新后的完整輸入數(shù)據(jù)為： 其中，Ax+a表示更新后的完整輸入數(shù)據(jù)，則其偽逆表示為： Q＝AaA+ 其中，Ax+a+為Ax+a的偽逆，B和Q為中間計(jì)算變量，無(wú)實(shí)際意義；則更新后的待求解的線性映射為： 其中，W′表示更新后的待求解的線性映射；所述候選模型增量的更新策略具體包括：當(dāng)候選模型的數(shù)量增多時(shí)，數(shù)據(jù)集得分矩陣從增廣為其中M′表示新增的模型的數(shù)量，則待求解的線性映射更新為： 其中，Sb表示新增的M′個(gè)候選模型對(duì)應(yīng)的數(shù)據(jù)集得分矩陣；4在線應(yīng)用時(shí)，采用數(shù)據(jù)集特征工程方法對(duì)目標(biāo)數(shù)據(jù)集進(jìn)行處理，得到目標(biāo)數(shù)據(jù)集對(duì)應(yīng)的數(shù)據(jù)集特征向量，并將其輸入至訓(xùn)練好的或更新后的寬度學(xué)習(xí)網(wǎng)絡(luò)中，得到所有模型對(duì)應(yīng)的數(shù)據(jù)集得分向量，選取得分最高的模型作為推薦模型。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué);華東交通大學(xué);浙江省能源集團(tuán)有限公司，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。