Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门工学院林伟浩获国家专利权

厦门工学院林伟浩获国家专利权

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!

龙图腾网获悉厦门工学院申请的专利一种基于机器学习的温度测量方法、装置及存储介质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:CN121167679B

龙图腾网通过国家知识产权局官网在2026-01-27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:202511704872.0,技术领域涉及:G06F18/27;该发明授权一种基于机器学习的温度测量方法、装置及存储介质是由林伟浩;黄子晗;蔡科宇;许仁安;柳钰慧;白俊杰设计研发完成,并于2025-11-20向国家知识产权局提交的专利申请。

一种基于机器学习的温度测量方法、装置及存储介质在说明书摘要公布了:本发明属于温度解调技术领域,具体涉及一种基于机器学习的温度测量方法、装置及存储介质,方法包括:通过干涉型光纤温度传感器将温度变化转换为干涉光谱的波长偏移;利用色散补偿光纤对波长偏移进行时域拉伸,得到时序偏移;通过信号采集设备采集时序偏移,得到时域序列数据,并对时域序列数据进行预处理;采用位置编码得到包含时序信息的特征序列;将特征序列输入Transformer神经网络提取全局特征;将全局特征进行归一化后进行增强;通过Transformer神经网络的全连接层对增强后的特征进行映射,输出预测温度值。实现了高速、高精度预测温度。

本发明授权一种基于机器学习的温度测量方法、装置及存储介质在权利要求书中公布了:1.一种基于机器学习的温度测量方法,其特征在于,所述方法包括: 通过干涉型光纤温度传感器将温度变化转换为干涉光谱的波长偏移; 利用色散补偿光纤对所述波长偏移进行时域拉伸,将所述波长偏移映射为时域波形的时序偏移; 通过信号采集设备采集所述时序偏移,得到时域序列数据,并对所述时域序列数据进行预处理; 采用位置编码在预处理后的时域序列数据中注入时序信息,得到包含时序信息的特征序列; 将所述特征序列输入Transformer神经网络,利用所述Transformer神经网络的多头自注意力机制提取全局特征; 将所述全局特征进行归一化后通过所述Transformer神经网络的位置感知前馈网络进行处理,对特征进行增强; 通过所述Transformer神经网络的全连接层对增强后的特征进行映射,输出预测温度值; 所述将所述全局特征进行归一化后通过所述Transformer神经网络的位置感知前馈网络进行处理,对特征进行增强,包括: 对归一化后的全局特征进行降维处理,得到压缩全局特征; 通过非线性激活函数对所述压缩全局特征进行处理,得到增强后的特征,包括幅值突变率、连续采样点斜率变化、脉冲升降沿陡峭程度; 对经过非线性激活的压缩全局特征进行升维处理,得到第一特征,所述第一特征的维度和所述全局特征的维度相同; 对所述第一特征进行归一化,并返回执行:利用所述Transformer神经网络的多头自注意力机制提取全局特征;将所述全局特征进行归一化后通过所述Transformer神经网络的位置感知前馈网络进行处理,对特征进行增强;其中,每一轮循环的输入为上一轮第二次归一化后的特征,经过预设轮数循环后,得到编码特征; 所述通过所述Transformer神经网络的全连接层对增强后的特征进行映射,输出预测温度值,包括: 对所述编码特征进行全局平均池化,得到池化后的特征向量; 将所述池化后的特征向量输入所述全连接层,通过线性加权和偏置调整,输出最终的连续温度预测值。

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厦门工学院,其通讯地址为:361021 福建省厦门市集美区后溪镇孙坂南路1251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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。