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！

龙图腾网获悉上海皓桦科技股份有限公司申请的专利一种深度学习网络及其缺失数据的预测方法和装置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：CN114385608B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202111566563.3，技术领域涉及：G06F16/215；该发明授权一种深度学习网络及其缺失数据的预测方法和装置是由冯建兴设计研发完成，并于2021-12-20向国家知识产权局提交的专利申请。

本一种深度学习网络及其缺失数据的预测方法和装置在说明书摘要公布了：本发明涉及学习网络技术领域，具体提供一种深度学习网络及其缺失数据的预测方法和装置，旨在解决现有技术预测的缺失数据的精确度较低的问题。为此目的，本发明的深度学习网络包括向量提取层、数据编码层、特征融合层、特征解码层和数据预测层。通过上述深度学习网络，能够获取输入数据对应的缺失数据，提高了获取的缺失数据的精确度，实现了对任意输入数据缺失比例的支持，适用于任何缺失数据的预测，满足了用户实际需求。

本发明授权一种深度学习网络及其缺失数据的预测方法和装置在权利要求书中公布了：1.一种构建深度学习网络的方法，用于预测输入数据对应的缺失数据，其特征在于，所述深度学习网络包括： 向量提取层，用于提取所述输入数据中任意两个元素之间的关系向量，所述输入数据为图像、文本或声音，其中图像对应的坐标是二维坐标，文本和声音对应的坐标是一维坐标；所述向量提取层包括： 坐标编码层，用于对所述输入数据中每个元素对应坐标进行编码，得到每个元素对应坐标的坐标向量； 关系计算层，用于根据所述坐标向量获取所述输入数据中任意两个元素之间的关系向量； 数据编码层，用于对所述输入数据中每个元素进行编码，得到每个元素对应的特征向量； 特征融合层，用于根据所述每个元素对应的特征向量和关系向量进行特征融合，得到输入数据每一坐标对应的第一特征向量；所述特征融合层包括： 感知机，用于根据所述每个元素对应的特征向量和关系向量，得到第三特征向量； 获取单元，用于获取所述第三特征向量每个维度的最大值，得到更新向量，所述更新向量的计算公式为： fi′＝element_wise_maxlFi,l 其中，fi′为更新向量，element_wise_max表示对第三特征向量Fi,l每个维度取最大值； 确定单元，用于基于所述更新向量确定输入数据每一坐标对应的第一特征向量； 特征解码层，用于根据所述第一特征向量和关系向量进行解码，得到所述输入数据每一坐标对应的第二特征向量； 数据预测层，用于根据所述输入数据每一坐标对应的第二特征向量，对所述输入数据对应的缺失数据进行预测，得到所述缺失数据的预测值。

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上海皓桦科技股份有限公司，其通讯地址为：201109 上海市闵行区园美路58号1幢305室；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”。