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！

龙图腾网获悉南京工业大学申请的专利一种基于深度对抗慢特征提取网络的化工过程推断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：CN117291267B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311364399.7，技术领域涉及：G06N5/04；该发明授权一种基于深度对抗慢特征提取网络的化工过程推断建模方法是由喻果;江超;杨澄;薄翠梅设计研发完成，并于2023-10-20向国家知识产权局提交的专利申请。

本一种基于深度对抗慢特征提取网络的化工过程推断建模方法在说明书摘要公布了：本发明提供了一种基于深度对抗慢特征提取网络的化工过程推断建模方法。该方法采用变量注意力机制，在每个时间步长自适应筛选输入变量，以增强模型的预测性能并抑制冗余。同时，引入PSF‑Net用于有效刻画化工过程中的非线性和大惯性的过程特性。为进一步提高模型的鲁棒性和隐式提取高阶特征的能力，本发明开发了一个鉴别器，并设计了对抗性学习框架。在该框架中，鉴别器与PSF‑Net进行最小‑最大博弈，不断博弈迭代直到达到纳什均衡。最后，推导出适用于APSF‑Net的最终目标函数，能够有效地对模型参数进行迭代更新至局部最优，实现了质量变量的在线估计，为后续过程监测、优化和控制等操作提供了强有力的基础。

本发明授权一种基于深度对抗慢特征提取网络的化工过程推断建模方法在权利要求书中公布了：1.一种基于深度对抗慢特征提取网络的化工过程推断建模方法，其特征在于，构建对抗概率慢特征提取网络APSF-Net，待测样本输入APSF-Net后利用慢特征识别连续工业数据中的慢速非线性模式；所述APSF-Net的构建包括以下步骤： S1、采用变量注意力机制在每个时间步长自适应筛选输入变量，获取注意力加权输入样本，从而增强模型的预测性能并抑制冗余；S1中采用变量注意力机制在每个时间步长来自适应筛选输入变量，从而获取注意力加权输入样本，具体为： S1-1、给定PSF-Net输入序列和输出序列得到慢特征序列其中T和T′分别表示输入序列和输出标签序列的长度，D和d分别是输入和潜在变量空间的维度，表示实数的集合； S1-2、利用当前输入向量xt和前一时刻的慢特征zt-1之间存在的相似性来衡量每个辅助变量对输出变量的相关性，在t时刻的变量注意力权重αt为： αt＝τVAzt-1,xt；θVA＝softmax[VtanhQzt-1+Axt+b] 其中，t＝1,2,...,T，softmax[·]表示softmax激活函数，αt表示在时刻t的变量注意力权重，θVA＝{V,Q,A,b}是变量注意力网络τVA·的参数集； S1-3、在t时刻的注意力加权输入样本为： 其中，xt表示在时刻t的输入样本，⊙表示逐元素相乘； S2、使用概率慢特征提取网络PSF-Net来提取过程信息中的慢特征，能够有效刻画化工过程中非线性与大惯性的过程特性； S3、构建对抗概率慢特征提取网络APSF-Net：令鉴别器在对抗性学习框架中与PSF-Net进行最小-最大博弈，不断博弈迭代直到达到纳什均衡，从而提高模型的鲁棒性及隐式提取高阶特征的能力； S4、确定适用于对抗概率慢特征提取网络APSF-Net的最终目标函数，可以有效地对模型参数进行迭代更新至局部最优，从而实现质量变量的在线估计，为后续过程监测、优化和控制操作提供了强有力的基础。

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工业大学，其通讯地址为：211899 江苏省南京市浦口区浦珠南路30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。