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)恭喜哈爾濱工業(yè)大學(xué)(深圳)(哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院)申請的專利基于自編碼器和圖注意力網(wǎng)絡(luò)的多工序制造質(zhì)量預(yù)測方法獲國家發(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：CN119359156B 。

龍圖騰網(wǎng)通過國家知識產(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)的專利申請?zhí)?專利號為：202411897737.8，技術(shù)領(lǐng)域涉及：G06Q10/0639；該發(fā)明授權(quán)基于自編碼器和圖注意力網(wǎng)絡(luò)的多工序制造質(zhì)量預(yù)測方法是由王睿;彭思危;牛源晨設(shè)計研發(fā)完成，并于2024-12-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于自編碼器和圖注意力網(wǎng)絡(luò)的多工序制造質(zhì)量預(yù)測方法在說明書摘要公布了：本發(fā)明涉及基于自編碼器和圖注意力網(wǎng)絡(luò)的多工序制造質(zhì)量預(yù)測方法。其中的方法包括：獲取生產(chǎn)線上各工序的流程工藝傳感器檢測獲得的時序特征數(shù)據(jù)，構(gòu)建總流程工藝數(shù)據(jù)集，輸入到半導(dǎo)體多工序質(zhì)量預(yù)測模型中，對數(shù)據(jù)集進(jìn)行預(yù)處理，按照階段數(shù)量對特征進(jìn)行分組后，將每個階段內(nèi)的特征輸入到多層堆疊自編碼器中，以特征降維到同一維度得到最后的中間特征，將獲得中間特征作為圖注意力網(wǎng)絡(luò)的節(jié)點輸入，迭代更新得到最終的節(jié)點輸出，其中，圖注意力網(wǎng)絡(luò)采用殘差機制，將最終的節(jié)點輸出作為最后的前饋神經(jīng)網(wǎng)絡(luò)的輸入，獲得質(zhì)量特征回歸預(yù)測。本發(fā)明通過自編碼器特征降維技術(shù)和圖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)結(jié)合，實現(xiàn)多維度多階段建模。

本發(fā)明授權(quán)基于自編碼器和圖注意力網(wǎng)絡(luò)的多工序制造質(zhì)量預(yù)測方法在權(quán)利要求書中公布了：1.多工序制造質(zhì)量預(yù)測方法，其特征在于，所述方法包括以下步驟：S100、獲取生產(chǎn)線上各工序的流程工藝傳感器檢測獲得的時序特征數(shù)據(jù)，構(gòu)建總流程工藝數(shù)據(jù)集，輸入到半導(dǎo)體多工序質(zhì)量預(yù)測模型中，對數(shù)據(jù)集進(jìn)行預(yù)處理；其中，所述半導(dǎo)體多工序質(zhì)量預(yù)測模型通過所述總流程工藝數(shù)據(jù)集進(jìn)行訓(xùn)練；S200、按照階段數(shù)量對特征進(jìn)行分組后，將每個階段內(nèi)的特征輸入到多層堆疊自編碼器中，以特征降維到同一維度得到最后的中間特征；S300、將獲得所述中間特征作為圖注意力網(wǎng)絡(luò)的節(jié)點輸入，迭代更新得到最終的節(jié)點輸出；其中，所述圖注意力網(wǎng)絡(luò)采用殘差機制；S400、將最終的節(jié)點輸出作為最后的前饋神經(jīng)網(wǎng)絡(luò)的輸入，獲得質(zhì)量特征回歸預(yù)測；其中，所述步驟S400中：根據(jù)生產(chǎn)線上實際的生產(chǎn)流程，給定根據(jù)制造階段依賴關(guān)系獲得的鄰接矩陣Ai，其中第層的前向GAT用于表示編碼機器依賴圖的結(jié)構(gòu)信息，公式如下： ，式中，表示節(jié)點a,b的注意力得分；表示a,b節(jié)點歸一化后的注意力得分；表示節(jié)點a,c的注意力得分；表示l+1層圖網(wǎng)絡(luò)中節(jié)點a的特征向量；表示層圖網(wǎng)絡(luò)中節(jié)點b的特征向量表示；,,是可學(xué)習(xí)的參數(shù)，LeakyReLU為激活函數(shù)；表示階段a的近鄰或者相關(guān)制造節(jié)點階段；上標(biāo)表示第層圖注意力網(wǎng)絡(luò)；其中，在獲取第s個階段的質(zhì)量特征預(yù)測時，可將圖注意力網(wǎng)絡(luò)最后一層的連接最后的前饋神經(jīng)網(wǎng)絡(luò)，完成質(zhì)量特征回歸預(yù)測，其公式如下： ；式中，表示第s個階段的質(zhì)量特征的預(yù)測結(jié)果；，分別表示解碼器中的權(quán)重矩陣和偏置；表示圖注意力網(wǎng)絡(luò)最后一層L中s階段對應(yīng)節(jié)點的特征向量；其中，通過多輪迭代BP算法最小化以下均方誤差損失函數(shù)，以獲得最佳網(wǎng)絡(luò)參數(shù)： ；式中，表質(zhì)量特征真實值。

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)人哈爾濱工業(yè)大學(xué)(深圳)(哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院)，其通訊地址為：518000 廣東省深圳市南山區(qū)桃源街道深圳大學(xué)城哈爾濱工業(yè)大學(xué)校區(qū)；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)”。