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！

龙图腾网获悉河钢数字技术股份有限公司申请的专利一种基于多任务增益回归的废钢异物扣重学习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：CN115034326B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202210710798.3，技术领域涉及：G06F18/20；该发明授权一种基于多任务增益回归的废钢异物扣重学习方法是由申培;李玉涛;李宏鹏;林亚团;袁海燕;陈云朋;冯兴;韩文波设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本一种基于多任务增益回归的废钢异物扣重学习方法在说明书摘要公布了：本发明公开了一种基于多任务增益回归的废钢异物扣重学习方法，采用MTSN预测模型，并采用Embedding模块实现数据连续向量表示，采用层级条件下的多层感知网络实现数据学习，分别生成认知数据损失度量和离散废钢等级的损失度量，最后采用MTL多任务自动学习权重机制，关注相关性大的变量，弱化相关性小的变量，实现自动调节权重系数；本发明中的多层级回归网络，根据数据类型的不同，分别训练，对具有不确定性影响力的数据，单独计算特征影响因子，提高数据的表征能力，能够解决数据表征能力差的问题；本发明中的数据增益网络，初始化权重，计算数据预测参数，迭代训练，转化权重系数为增益系数。

本发明授权一种基于多任务增益回归的废钢异物扣重学习方法在权利要求书中公布了：1.一种基于多任务增益回归的废钢异物扣重学习方法，其特征在于：采用MTSN预测模型，并采用Embedding模块实现数据连续向量表示，采用多层级增益回归网络实现对数据学习，分别生成认知数据损失度量和离散废钢等级数据的损失度量，最后采用MTL多任务自动学习权重机制，关注相关性大的变量，弱化相关性小的变量，实现自动调节权重系数，具体包括如下步骤： 步骤一：基于数据分析理解，进行数据前处理，离散化数据，降低噪声影响； 步骤二：基于层级MLP回归算法，生成针对不同特征的损失函数，实现多任务学习，权值增益模块，关注特征影响因子，强化有利因素，弱化噪声干扰； 步骤三：基于MTL的多任务损失优化学习算法，自动调节weights，实现多任务学习，输出模型，实现扣重预测； 其中，MTSN的主要步骤如下： S1：基于数据分析，数据平滑处理，删除极值数据； S2：构建多层级增益回归网络，差异化处理数据，权值增益模块增强数据表征能力； 步骤S2主要包括： S21：根据多任务软参数共享方法，事先划分好子任务，将不同的任务数据划分到不同的网络层，使得每个任务都有自己的模型和参数，其中，连续型数据，划分到MLP任务，而离散数据，划分到MLP增益任务；多层感知机层由多个全连接层组成，不仅能够探索特征向量之间的非线性映射关系，还能通过自动交叉验证的方法将有限的特征映射到高维度空间； S22：网络输出，多层感知器底层是输入层，中间是隐藏层，最后是输出层；输出层的输出,y表示输出层的值，即为最终结果，表示输出神经元输入加权之和，为激活函数； S23：把废钢等级信息作为不确定性数据，输入到增益MLP网络中，并初始化权值分布{1,1,1…1}，dropout结构增加了后，网络结构发生了变化， ； S24：利用集成学习的权值更新规则来优化MLP网络学习能力和数据表征能力，首先将预测值归一化到[-1,1]区间，计算增益系数，为预测错误的概率，,其中是真实值,为期望值，,可得系数,更新数据分布,其中，权值更新系数，在这种增益条件下，离散的废钢等级数据，获得了更高的映射能力，能够真实的反映废钢等级数据对废钢异物扣重预测的正相关能力； S25：数据训练，输出loss1和loss2，迭代更新loss1和loss2； S3：构建MTL多任务学习网络，多任务输入，平衡输出，提高预测精度。

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河钢数字技术股份有限公司，其通讯地址为：050000 河北省石家庄市高新区黄河大道136号科技中心1号楼；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。