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！

龍圖騰網恭喜浙江科技大學申請的專利一種基于漸進式遷移學習的多采樣率軟測量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：CN119783765B 。

龍圖騰網通過國家知識產權局官網在2025-05-20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：202510281099.5，技術領域涉及：G06N3/096；該發明授權一種基于漸進式遷移學習的多采樣率軟測量方法是由呂玉婷;葉茂鈔;周樂;聞佳敏設計研發完成，并于2025-03-11向國家知識產權局提交的專利申請。

本一種基于漸進式遷移學習的多采樣率軟測量方法在說明書摘要公布了：本發明涉及一種基于漸進式遷移學習的多采樣率軟測量方法，在訓練階段，首先依據采樣頻率從高至低對訓練數據進行分塊處理，并訓練變分漸進遷移網絡模型；將該模型作為生成對抗填補網絡的生成器，利用原始訓練數據訓練生成對抗填補網絡，實現未采樣數據的自動填補；基于填補后的數據，重新依據原始的采樣頻率從高至低對原始數據進行分塊處理，并訓練新的變分漸進遷移網絡模型作為軟測量模型；在測試階段，利用軟測量模型進行質量變量的預測，并對預測結果進行定量的評價。本發明在軟測量建模階段充分利用生成模型填補未采樣數據，使得軟測量模型提取更多有價值的數據信息，能有效提升軟測量模型的預測性能。

本發明授權一種基于漸進式遷移學習的多采樣率軟測量方法在權利要求書中公布了：1.一種基于漸進式遷移學習的多采樣率軟測量方法，其特征在于包括如下步驟：（1）通過現場部署的工業傳感器實時監測并記錄生產環節中過程變量的測量值，并借助實驗室的化驗分析手段測定出質量變量數值，將這兩部分數據整合為原始數據集，并進行標準化處理；（2）依據采樣頻率從高至低對原始數據進行分塊處理；具體過程為：首先，構建過程變量分組X1，X2，…，XK和質量變量分組yK+1；若訓練集中有K+1種不同的采樣率，其中過程變量包含K種采樣率，質量變量包含1種采樣率；具有最高采樣頻率1T1的J1個變量表示為過程變量分組X1，具有第K個采樣頻率1TK的JK個變量表示為過程變量分組XK，其中，；質量變量分組表示為yK+1；其次，基于上述變量分組構建漸進式遷移學習的數據塊；第一個數據塊，僅由過程變量分組X1構成，其中上標1表示第一數據塊，下標1表示第一變量分組X1；第K個數據塊為，第K個數據塊包括過程變量分組X1到XK上均測量到的訓練樣本；第K+1個數據塊涵蓋了所有過程變量和質量變量，表示為；（3）確定模型相關的超參數，隨機初始化所有模型參數，利用分塊的訓練數據建立變分漸進遷移網絡模型，即VPTN模型；具體過程為：在模型訓練前，設置半監督式變分自編碼器SSVAE的超參數，包括模型層數、隱層節點數、批次大小、學習率和迭代次數，同時，隨機初始化SSVAE模型中所有權重和偏置，并選擇相應的激活函數；在模型訓練階段，首先利用以無監督的方式訓練變分自編碼器VAE模型VAE1，其損失函數為： ；其中，是D1的重構誤差，是D1對應的隱變量真實分布和先驗分布之間的KL散度，系數βKL用于調節損失函數中不同損失所占比重；其次，將VAE1的模型參數傳遞給VAE2，并利用D2訓練VAE2，以此類推，直到得到VAEK；基于VAEK的模型參數，進一步利用同時包含過程變量和質量變量的數據塊DK+1進行監督式訓練，得到VPTN模型，其損失函數為： ；其中，是DK+1中過程變量的重構誤差，是DK+1中過程變量對應的隱變量真實分布和先驗分布之間的KL散度，是DK+1中質量變量的預測誤差，系數βKL和βRG用于調節損失函數中不同損失所占比重；（4）將步驟（3）中建立的VPTN模型作為生成對抗數據填補網絡模型，即GAIN模型的生成器，并利用原始數據訓練GAIN模型，實現未采樣數據的自動填補；（5）基于步驟（4）填補后的數據，重新依據原始的采樣頻率從高至低對原始數據進行分塊處理；（6）利用重新分塊的訓練數據更新VPTN模型；（7）在線獲取測試數據，對其進行標準化處理后，篩選過程變量全采樣的樣本構建測試數據集，并利用步驟（6）得到的VPTN模型對質量變量進行預測，最后借助評價指標對預測結果進行定量評估。

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科技大學，其通訊地址為：310023 浙江省杭州市西湖區留和路318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”。