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！

龙图腾网获悉中国石油大学(华东)申请的专利一种记忆加强式对抗自编码器的无监督异常检测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：CN115797744B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211277252.X，技术领域涉及：G06V10/82；该发明授权一种记忆加强式对抗自编码器的无监督异常检测方法是由张欢;吴春雷;王雷全;路静;胡飞设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种记忆加强式对抗自编码器的无监督异常检测方法在说明书摘要公布了：自编码器的泛化能力不足以将异常与正常数据分开。它受到CNN的空间局部性的影响，由于低质量的特征表示，导致重建不佳。特征没有很好地用于异常检测影响了数据重建。本发明提出一种记忆加强式对抗自编码器的异常检测方法以提高特征的质量和利用率。我们提出“CNN‑Trans”块作为骨干，继承CNN和Transformer在特征表示的优势。随后，我们构建记忆加强式对抗自编码器。具体来说，具有多个测量值的记忆模块旨在通过级联多变量特征来抑制生成器泛化。提出了一种双视角判别器来区分图像和潜在空间的异常。此外，提出了生成器‑判别器潜在损失，以通过最小化编码过程和判别过程来提高生成器的性能。在多个数据集上进行的大量实验。与其他模型相比，所提出的模型展现优越性能。

本发明授权一种记忆加强式对抗自编码器的无监督异常检测方法在权利要求书中公布了：1.一种记忆加强式对抗自编码器的无监督异常检测方法，其特征在于，所述方法包括以下步骤： S1.构建基于CNN-Transformer的对抗自编码器网络，从全局、局部两方面提取关键信息；所述S1的具体过程为： 对抗自编码器的生成器包含编码器e1、解码器1和编码器e2，以CNN-Transformer作为基础构建；最小化重构图像的编码特征与原图像的编码特征以从特征潜在空间控制编码器和解码器的中间过程，从而加强生成器的重构能力；该过程表示为： 1； 2； 3； 其中代表输入的正样本，是经过编码器e1的编码特征，代表重构图像，是经过编码器e2的重构特征；和是两个编码器编码过程，为解码过程；、、是编码和解码的中间过程参数； 每个“CNN-Transformer”块包含两个部分；一方面，采用CNN网络提取多维局部特征；另一方面，基于窗口的自注意力和基于滑动窗口的自注意力用于提取全局表示；此外，Transformer自带的MLP被删除来缩短训练时间；将xi∈X先输入到CNN网络中，然后经过BatchNorm和LeakyRelu函数后得到局部特征zi∈Z；该过程表示为： 4； 之后被输入到Transformer模块中，该模块由两部分组成；每个部分都包含LayerNorm和W-MSA或者LayerNorm和SW-MSA的多头注意力；从每个部分获得的输出需要级联到前一部分的输出；最后获得了由“CNN-Transformer”块提取的特征；该过程表示为： 5； 6； 7； 其中和分别代表基于窗口的注意力和滑动窗口的注意力；； S2.在S1的编码器和解码器间加入设计的多尺度记忆模块用于记录正样本信息；所述S2的具体过程为： 该模块置于编码器和解码器之间，其输入为编码器e1的编码特征；一个大小为N的记忆槽Mem用于存储正样本特征；首先，余弦相似度与欧式距离被用于分别计算与的相似性和，并使用Softmax函数进行归一化；两类计算方式分别从定性和定量角度考虑两者的相似程度，使得到的权重更准确；于是得到了两个相似度权重矩阵和；然后设置一个权重q用于连接矩阵使其合为一个相似度权重；该过程表示为： 8； 9； 10； 11； 12； MemAE中提出的硬收缩算子被用于来收缩更小的权重，突出大权重的作用；从而得到更新后的权重矩阵；然后与记忆槽中各项特征相乘得到记忆加强后的特征；被用于级联原始编码器e1的特征以得到经过记忆模块的编码特征，该过程表示为： 13； 14； 15； 其中,代表参数，是使用硬收缩更新后的权重矩阵；concat代表级联；B代表批次； S3.双视角判别器从图像空间和特征空间判别正常与异常； S4.结合S1和S2中的网络以及S3中模块构建一种记忆加强式对抗自编码器的无监督异常检测模型；最后，对所构建的模型进行训练。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。