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！

龙图腾网获悉华中师范大学申请的专利一种基于时间注意力的时序数据间歇学习方法和系统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：CN119884792B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411783539.9，技术领域涉及：G06F18/231；该发明授权一种基于时间注意力的时序数据间歇学习方法和系统是由肖克江;李叶枫;陈亮;陈翔宇;彭喜能设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种基于时间注意力的时序数据间歇学习方法和系统在说明书摘要公布了：本发明涉及无源物联网、人工智能等领域，尤其涉及一种基于时间注意力的时序数据间歇学习方法和系统。针对无源传感监测环境中时间序列数据处理问题，采用变分推断引导的自适应批量选择和动态样本重标定方法选择满足条件的样本，然后结合Bi‑GRU算法，基于时间注意机制进行特征融合，并考虑机器学习任务中不同模块的执行顺序，将整个模型学习过程分割为前馈层、反向传播层、特征融合层进行分层学习，拟提出一种基于时间注意力的时序数据间歇学习预测机制以保证时序数据预测的精度，并在一个有限的决策域上寻找局部最优解以解决动作状态爆炸问题。

本发明授权一种基于时间注意力的时序数据间歇学习方法和系统在权利要求书中公布了：1.一种基于时间注意力的时序数据间歇学习方法，其特征在于，包括如下步骤： 步骤1，获取无源物联网边缘设备每个时间步从外界获取的能量数，即获得能量时序数据； 步骤2，针对能量时序数据进行样本选择，通过变分推断引导的自适应批量选择和动态样本重标定方法从能量时序数据中自动选择最具代表性的样本； 步骤3，构建基于融合式注意力机制和AdamW优化器的在线多层Bi-GRU模型，输入步骤2中的能量数时序数据样本，输出未来时间步能够获取的能量数； Bi-GRU模型学习过程分为前馈层、反向传播层、基于时间注意力的特征融合层以及预测优化层，前馈层用于从输入数据中提取初步特征，进行非线性变换，从而生成隐藏表示，反向传播层输入是模型的预测输出、真实标签和前馈层产生的隐藏状态，输出是更新后的模型参数，反向传播层的目标是基于损失函数对模型的权重进行优化；特征融合层输入是隐藏状态和输入特征数据经过变换的内容向量，输出是融合后的时序表示，用于预测任务，在特征融合层，模型通过时间注意力机制，对前馈层产生的隐藏状态和其他特征进行加权组合，从而生成最终的全局特征表示； 步骤4，根据获取的能量数定义能量级别，以及每个时间步上无源物联网边缘设备进行每个动作所需要的能量级别，通过图神经网络进行建模，其中图结构中的节点表示能量级别对应的动作状态，边为状态之间的转换关系，通过最终近端策略优化算法PPO找出在有限范围内的所有动作序列，并选择最佳动作序列。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152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。