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！

龙图腾网获悉吉林大学申请的专利基于深度学习和MASK算子的阵列传感器自适应参数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：CN116467671B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310311010.6，技术领域涉及：G06F18/25；该发明授权基于深度学习和MASK算子的阵列传感器自适应参数检测方法是由胡小龙;岳文强;卢革宇;郭帅;马忠嘉设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于深度学习和MASK算子的阵列传感器自适应参数检测方法在说明书摘要公布了：本发明公开了基于深度学习和MASK算子的阵列传感器自适应参数检测方法，属于传感器智能检测技术领域，包括：数据集准备及预处理；基于深度学习和MASK算子的神经网络模型的构建；基于深度学习和MASK算子的神经网络模型的训练；采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态。该检测方法通过MASK算子，可自适应动态处理阵列传感器输入时间序列，并且能充分利用暂失能状态下传感器数据，结合深度神经网络算法进一步提高运算效率与测量精度。该检测方法通过MASK算子，可自适应动态处理阵列传感器输入时间序列，并且能充分利用暂失能状态下传感器数据，结合深度神经网络算法进一步提高运算效率与测量精度。

本发明授权基于深度学习和MASK算子的阵列传感器自适应参数检测方法在权利要求书中公布了：1.基于深度学习和MASK算子的阵列传感器自适应参数检测方法，其特征在于，具体包括如下步骤： 步骤一：数据集准备及预处理； 收集待测气体经过同型号阵列传感器检测的已有数据，并对数据进行预处理，所述预处理包括清理、去噪及标准化，经预处理后得到带有时间维度的气体浓度序列数据； 步骤二：基于深度学习和MASK算子的神经网络模型的构建； 数据处理模块中，对数据集采用MASK算子运算实现数据增强，并使用十次十折交叉验证切分数据集；序列处理模块中，调节序列神经网络模型中编码器和解码器模块超参数，参考均方误差、平均绝对误差指标使用网格搜索优化函数评估出最优的超参数组合，以估算出各个传感器序列对应的气体浓度；融合处理模块中，采用卷积神经网络自动的从序列处理后的数据中提取特征，从而实现对传感器的检测和诊断； 步骤三：基于深度学习和MASK算子的神经网络模型的训练； 步骤四：采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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。