買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種基于神經網絡權值比較的工業因果挖掘方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114780610B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210389516.4，技術領域涉及：G06F16/2458；該發明授權一種基于神經網絡權值比較的工業因果挖掘方法是由姚樂;何懿萌;孔祥印;葛志強設計研發完成，并于2022-04-13向國家知識產權局提交的專利申請。

本一種基于神經網絡權值比較的工業因果挖掘方法在說明書摘要公布了：本發明公開一種基于神經網絡權值比較的工業因果挖掘方法，該方法利用過程數據訓練一組單隱層神經網絡，通過這些網絡的權值計算出通路權值矩陣和對稱通路矩陣，然后通過對比對稱通路權值矩陣的元素與閾值的大小來生成表示變量間相關關系的無向圖骨架；在此基礎上，再通過網絡權值對比有效模型復雜度的相對大小，來判斷無向圖中每一條邊的因果指向，最終得到表示變量間因果關系的有向圖。本發明的方法突破了目前一些因果挖掘方法對數據需要滿足線性關系、加性噪聲或者平穩性的要求，能夠用于復雜的工業場景。而且，該方法能夠不依賴于人為給定無向圖骨架，直接從觀測數據中挖掘出無向骨架，并判斷每一對無向關系的因果指向，精度較高。

本發明授權一種基于神經網絡權值比較的工業因果挖掘方法在權利要求書中公布了：1.一種基于神經網絡權值比較的工業因果挖掘方法，其特征在于，包括以下步驟：步驟一：收集工業變量數據樣本，所述數據樣本包含p個工業變量，記為x1，x2，...，xp；步驟二：搭建p個單隱層神經網絡，所述單隱層神經網絡包括一個輸入層、一個隱藏層和一個輸出層，所述輸入層包括p個神經元，所述隱藏層包括nh個神經元，所述輸出層包括1個神經元；步驟三：用收集的數據樣本訓練這p個單隱層神經網絡，使用數據樣本中除去待預測變量的其他變量數據作為單隱層神經網絡的輸入，待預測變量作為輸出，通過最小化損失函數的方式對p個單隱層神經網絡進行訓練，待網絡參數穩定后，繼續訓練一定周期，并根據網絡參數穩定后的周期的網絡權值平均值來計算輸入神經元對輸出神經元的貢獻度，即通路權值，并得到通路權值矩陣Q；其中，通路權值q和通路權值矩陣Q的計算公式如下： 其中，表示第i個輸入神經元對待預測的輸出神經元j的通路權值，為輸入神經元對隱藏層神經元的權重，為隱藏層神經元對待預測的輸出神經元j的權重；i≠j，1≤i≤p，i∈N+；步驟四：將通路權值矩陣Q對稱化，得到對稱通路權值矩陣S；步驟五：將S的上三角或下三角元素從小到大排列，取該序列的某一分位數為閾值t，把每一個大于t的元素對應的兩個節點用一條邊連接起來；從而得到表征變量間連接關系的無向圖；步驟六：計算網絡參數穩定后的周期的網絡權值平均值的L2范數之和，得到輸入節點i預測輸出節點j的有效模型復雜度EMCi，j以及輸入節點j預測輸出節點i的有效模型復雜度EECj，i；步驟七：如果EMCi，j＜EMCj，i，則節點i是節點j的原因；如果EMCj，i＜EMCi，j，則節點j是節點i的原因；最終得到表示工業過程變量間因果關系的有向圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。