买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学;南京智谷人工智能研究院有限公司申请的专利一种适用于长尾带噪分布数据的故障检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115688860B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211435489.6，技术领域涉及：G06N3/04；该发明授权一种适用于长尾带噪分布数据的故障检测方法是由王魏;田章豪;张乐凡设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本一种适用于长尾带噪分布数据的故障检测方法在说明书摘要公布了：本发明公开一种适用于长尾带噪分布数据的故障检测方法。现实应用中，故障检测数据通常包含噪声标记且服从长尾分布。为了减轻噪声标记对模型性能的影响，本发明方法采用样本选择技术将噪声标记数据分为干净标记数据集合和无标记数据集合后以半监督学习方式更新模型；为了减轻长尾分布对模型性能的影响，本发明方法使用基于模型偏好的新型平衡损失对模型进行矫正。相比于现有技术，本发明方法对长尾带噪分布数据的故障检测具有更强的鲁棒性。

本发明授权一种适用于长尾带噪分布数据的故障检测方法在权利要求书中公布了：1.一种适用于长尾带噪分布数据的故障检测方法，包括以下步骤： 一在一个包含噪声标记且服从长尾分布的故障检测数据库，选定深度神经网络模型，所述故障检测数据库包括若干个样本； 二结合交叉熵损失函数和正则损失在故障检测数据库内的全部训练数据上，对深度神经网络模型内的所有样本进行预定轮数的训练； 三基于样本的交叉熵损失值从全部训练数据中逐类选择出损失较小的样本作为干净标记数据集合，将其余的未被选中的样本的数据看作无标记数据集合，并基于筛选得到的标记数据集合和无标记数据集合生成新的伪标记数据集合； 四将交叉熵损失函数、MSE损失函数Lu和正则损失应用于步骤三生成的伪标记数据集合得到模型的最终损失，并更新深度神经网络模型，同时由更新后的深度神经网络模型在干净标记数据集合中的每一类干净标记样本上的平均输出估计模型偏好矩阵； 五将步骤三和步骤四重复一定的轮数，并使用指数移动平均方法加权平均模型在每一轮次的偏好矩阵得到最终的模型偏好矩阵； 六使用步骤三进行样本选择并生成伪标记数据，结合模型偏好矩阵来计算平衡损失函数，分别将MSE损失函数、平衡损失函数和正则损失应用于生成后的伪标记数据得到最终损失并再次更新深度神经网络模型，所述平衡损失函数具体计算公式为： ， 其中，，与为模型偏好矩阵； ，和为超参数，为指示函数，，均为类别编号； 七将步骤六重复一定的轮数得到最终的深度神经网络模型；在测试阶段，深度神经网络模型将待测样本作为输入，并输出置信度最高的类别作为预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学;南京智谷人工智能研究院有限公司，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。