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！

龙图腾网获悉浙江工业大学申请的专利一种基于多工况分布式输出过程补偿宽度迁移建模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：CN115458078B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202211051978.1，技术领域涉及：G16C20/70；该发明授权一种基于多工况分布式输出过程补偿宽度迁移建模方法是由刘毅;郭威威;李浩男设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于多工况分布式输出过程补偿宽度迁移建模方法在说明书摘要公布了：一种基于多工况分布式输出过程补偿宽度迁移建模方法，所述方法包括以下步骤：1数据的获取：收集不同工况特性的数据，并进行归一化处理；2数据集的重构；3建模训练：建立补偿宽度迁移模型以及其他对比模型，并进行模型训练；4模型测试：对目标域测试工况数据进行预测。本发明针对分布式输出过程特征变量导致的标签空间差异问题，有效结合了宽度迁移学习对特征空间信息抓取能力和偏差补偿机制对源域和目标域标签空间进行的信息传递，提出了一种基于多工况分布式输出过程补偿宽度迁移建模方法，有效的处理了苯乙烯自由基聚合反应中多工况和大噪声特性，并增强了预测的鲁棒性和准确性。

本发明授权一种基于多工况分布式输出过程补偿宽度迁移建模方法在权利要求书中公布了：1.一种基于多工况分布式输出过程补偿宽度迁移建模方法，其特征在于，包括以下步骤： 1数据的获取： 根据化工生产过程中的实际操作条件，收集不同工况特性的数据；将数据集分为源域工况数据集、少量目标域标签数据集以及目标域测试数据集，并进行归一化处理； 2数据集的重构： 使用源域工况数据集、少量目标域标签数据集对源域训练工况数据集进行重构，并建立预测标签； 3建模训练： 使用补偿宽度迁移方法对源域工况数据集、少量目标域标签数据集以及目标域测试数据集建立补偿宽度迁移模型以及其他对比模型，并进行模型训练；步骤3的过程为： 使用补偿宽度迁移方法对源域工况数据集、少量目标域标签数据集以及目标域测试数据集建立基于补偿宽度迁移的源域自适应模型BLS‑OSDA和基于补偿宽度迁移的目标域自适应模型BLS‑OTDA模型以及其他对比模型：从源域到目标域的高斯过程回归迁移补偿模型GPRS+T模型、从源域到目标域的宽度迁移BLS S+T模型、基于宽度学习的源域自适应BLS‑SDA模型、基于宽度学习的目标域自适应BLS‑TDA模型； 4模型测试：对目标域测试工况数据进行预测； 宽度学习系统BLS由输入层、特征层、增强层和输出层构成，中间的特征层和增强层是并列关系；基于BLS的域自适应框架包含两个阶段：BLS特征映射及学习输出权重；BLS过程计算如下： 假设训练数据为其中X,Yn代表了样本的输入和输出，Wn表示输出权重，M表示输入数据样本的维度，输出数据为单变量信息，N为样本个数，BLS的特征层包含有n组特征节点，每组特征节点包含q个特征神经元，增强层包含m组增强节点，每组增强节点包含有p个增强神经元；利用公式2获得输入的第i组随机特征： 其中和是随机的第i个特征组输入权重与节点阈值，为了减小提取错误特征的概率，利用SAE对输入权重进行微调，φ·表示特征层的激活函数，将所有特征节点表示为Zn＝[Z1,…,Zn]，同理，增强层将一组增强节点表示为： 其中和是随机的第j个特征组输入权重与节点阈值，ξ·表示增强层的激活函数，所有的增强节点表示为Hm＝[H1,…,Hm]，联合后的扩展输入为A＝[Zn|Hm]；因此BLS的网络权重最小值求解表示为： 其中，λ表示长度尺寸参数，I表示单位矩阵；优化目标函数，得到最终的输出权重为： W＝λI+ATA‑1ATY    5。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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”。

以上内容由龙图腾AI智能生成。