買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請的專利一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114780610B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-21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)的專利申請?zhí)?專利號為：202210389516.4，技術(shù)領(lǐng)域涉及：G06F16/2458；該發(fā)明授權(quán)一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法是由姚樂;何懿萌;孔祥印;葛志強設(shè)計研發(fā)完成，并于2022-04-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法在說明書摘要公布了：本發(fā)明公開一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法，該方法利用過程數(shù)據(jù)訓(xùn)練一組單隱層神經(jīng)網(wǎng)絡(luò)，通過這些網(wǎng)絡(luò)的權(quán)值計算出通路權(quán)值矩陣和對稱通路矩陣，然后通過對比對稱通路權(quán)值矩陣的元素與閾值的大小來生成表示變量間相關(guān)關(guān)系的無向圖骨架；在此基礎(chǔ)上，再通過網(wǎng)絡(luò)權(quán)值對比有效模型復(fù)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(guān)系的有向圖。本發(fā)明的方法突破了目前一些因果挖掘方法對數(shù)據(jù)需要滿足線性關(guān)系、加性噪聲或者平穩(wěn)性的要求，能夠用于復(fù)雜的工業(yè)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(shù)據(jù)中挖掘出無向骨架，并判斷每一對無向關(guān)系的因果指向，精度較高。

本發(fā)明授權(quán)一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法在權(quán)利要求書中公布了：1.一種基于神經(jīng)網(wǎng)絡(luò)權(quán)值比較的工業(yè)因果挖掘方法，其特征在于，包括以下步驟：步驟一：收集工業(yè)變量數(shù)據(jù)樣本，所述數(shù)據(jù)樣本包含p個工業(yè)變量，記為x1，x2，...，xp；步驟二：搭建p個單隱層神經(jīng)網(wǎng)絡(luò)，所述單隱層神經(jīng)網(wǎng)絡(luò)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(jīng)元，所述隱藏層包括nh個神經(jīng)元，所述輸出層包括1個神經(jīng)元；步驟三：用收集的數(shù)據(jù)樣本訓(xùn)練這p個單隱層神經(jīng)網(wǎng)絡(luò)，使用數(shù)據(jù)樣本中除去待預(yù)測變量的其他變量數(shù)據(jù)作為單隱層神經(jīng)網(wǎng)絡(luò)的輸入，待預(yù)測變量作為輸出，通過最小化損失函數(shù)的方式對p個單隱層神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，待網(wǎng)絡(luò)參數(shù)穩(wěn)定后，繼續(xù)訓(xùn)練一定周期，并根據(jù)網(wǎng)絡(luò)參數(shù)穩(wěn)定后的周期的網(wǎng)絡(luò)權(quán)值平均值來計算輸入神經(jīng)元對輸出神經(jīng)元的貢獻度，即通路權(quán)值，并得到通路權(quán)值矩陣Q；其中，通路權(quán)值q和通路權(quán)值矩陣Q的計算公式如下： 其中，表示第i個輸入神經(jīng)元對待預(yù)測的輸出神經(jīng)元j的通路權(quán)值，為輸入神經(jīng)元對隱藏層神經(jīng)元的權(quán)重，為隱藏層神經(jīng)元對待預(yù)測的輸出神經(jīng)元j的權(quán)重；i≠j，1≤i≤p，i∈N+；步驟四：將通路權(quán)值矩陣Q對稱化，得到對稱通路權(quán)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(shù)為閾值t，把每一個大于t的元素對應(yīng)的兩個節(jié)點用一條邊連接起來；從而得到表征變量間連接關(guān)系的無向圖；步驟六：計算網(wǎng)絡(luò)參數(shù)穩(wěn)定后的周期的網(wǎng)絡(luò)權(quán)值平均值的L2范數(shù)之和，得到輸入節(jié)點i預(yù)測輸出節(jié)點j的有效模型復(fù)雜度EMCi，j以及輸入節(jié)點j預(yù)測輸出節(jié)點i的有效模型復(fù)雜度EECj，i；步驟七：如果EMCi，j＜EMCj，i，則節(jié)點i是節(jié)點j的原因；如果EMCj，i＜EMCi，j，則節(jié)點j是節(jié)點i的原因；最終得到表示工業(yè)過程變量間因果關(guān)系的有向圖。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號；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)”。