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！

龙图腾网获悉昆明理工大学申请的专利基于最大相关最小冗余的堆叠自编码器软测量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：CN116522123B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310581046.6，技术领域涉及：G06F18/2135；该发明授权基于最大相关最小冗余的堆叠自编码器软测量建模方法是由金怀平;董馨;陶海波;王彬;刘海鹏设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本基于最大相关最小冗余的堆叠自编码器软测量建模方法在说明书摘要公布了：本发明公开了一种基于最大相关最小冗余的堆叠自编码器软测量建模方法，所述方法针对传统深度学习中隐特征与输出之间相关性低、隐特征信息冗余度高等问题，提出一种新的基于最大相关最小冗余的堆叠自编码器软测量建模方法。具体而言，本发明在提取到的隐特征上赋予权重，根据不同权重对输出结果的影响，挑选出对输出影响较大的隐特征赋予更高的权重；对于隐特征之间，采用主成分分析法去除隐特征之间的冗余。该方法在挑选与输出变量相关性较强的输入特征的同时分析剔除冗余信息，从而实现模型结构约简。相较于常规软测量方法，该方法充分考虑了隐特征与输出变量之间的相关性，在模型预测性能上呈现出显著优势。

本发明授权基于最大相关最小冗余的堆叠自编码器软测量建模方法在权利要求书中公布了：1.一种基于最大相关最小冗余的堆叠自编码器软测量建模方法，其特征在于，包括以下步骤： 步骤1通过集散控制系统或离线检测的方法来收集工业过程数据，确定关键质量变量y和辅助变量x，其中，x＝[x1，x2，…，xd]∈Rd表示由d个辅助变量构成的向量； 步骤2对收集到的工业过程数据进行预处理和归一化，得到最小值为0，最大值为1的数据集，新的数据矩阵集为输入数据集和目标数据集把数据集划分为训练集Dtrn和测试集Dtest； 步骤3针对归一化后的软测量模型输入和输出数据集，构建变权自编码器的软测量模型，用于提取输出相关隐特征； 步骤4利用步骤3提取到的隐特征，使用主成分分析法剔除隐特征之间的冗余； 步骤5将步骤4中经过主成分分析剔除冗余的隐特征作为输入，多次重复步骤3和4，构建最大相关最小冗余堆叠自编码器软测量模型； 步骤6在预训练完成后，将输出层添加到堆叠自编码器的顶部用来微调权重； 步骤7在训练集上构建回归模型，并在测试集Dtest上进行测试，最终实现对关键质量变量的离线估计。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区一二一大街文昌路68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。