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 > 北京工业大学李炎锋获国家专利权

北京工业大学李炎锋获国家专利权

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!

龙图腾网获悉北京工业大学申请的专利一种基于Attention-LSTM的多空间环境火源定位方法及系统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:CN117131451B

龙图腾网通过国家知识产权局官网在2025-09-30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:202311090557.4,技术领域涉及:G06F18/2433;该发明授权一种基于Attention-LSTM的多空间环境火源定位方法及系统是由李炎锋;杜甜美;杨石;雷晨彤;许德胜;杨新;李博宇;康偲妍设计研发完成,并于2023-08-28向国家知识产权局提交的专利申请。

一种基于Attention-LSTM的多空间环境火源定位方法及系统在说明书摘要公布了:本发明公开了一种基于Attention‑LSTM的多空间火源定位方法。属于火源定位技术领域,本发明包括如下步骤:通过温度采集模块采集得到多空间长时间测点温度数据集;通过异常值检测模块检测出数据集中的异常值;利用数据补全模块补充数据集并归一化处理;将数据输入到火源位置预测模块得到火灾位置预测值。本发明使用Attention‑LSTM神经网络对多空间环境温度检测,能够注意到不同时间数据的重要程度从而对火源位置智能高精度识别,实现城市的消防智能化、提高信息传递的效率、增强救援能力、降低火灾产生的损失。

本发明授权一种基于Attention-LSTM的多空间环境火源定位方法及系统在权利要求书中公布了:1.一种基于Attention‑LSTM的多空间火源定位方法,其特征在于,包括如下步骤: 步骤S1,温度采集模块对多空间所布置的各个温度测点进行数据采集,采集的各个温度测点数据作为多空间长时间测点温度数据集; 步骤S2,通过异常值检测模块对测点温度数据集中的温度测点数据进行异常值检测,得到温度数据集异常值;所述步骤S2中的异常值检测模块采用孤立森林算法;孤立森林算法是通过建立“树”即itree,依靠随机特征将异常样本分割出来;异常值检测模块拥有训练好的itree; 步骤S3,利用数据补全模块对上述步骤S2的温度数据集异常值进行补充,得到完整温度数据集并进行归一化处理;所述步骤S3中数据补全模块采用时间相似补全法,具体公式如下: 式中,N表示某时刻非异常数据的总个数,xs,t表示第t个测点第s秒时刻的非异常数据,x`s,t表示为异常数据,xt为对异常数据x`s,t修正后的数据;添加时间约束项: s'‑d1≤s≤s'+d2其中d1,d2,分别设为1,1; 所述步骤S3中数据补全后进行归一化处理; 步骤S4,将归一化后的温度数据集输入到火源位置预测模块,经过反向传播得到火源位置预测值; 所述步骤S4中火源位置预测模块是已经训练好的结合注意力机制的长短期记忆网络Attention‑LSTM模型,注意力机制‑长短期记忆网络Attention‑LSTM模型的训练步骤包括: S41,构建长短期记忆网络,设置输入特征维数、时间步长、dropout、隐藏层状态维数、堆叠层数、激活函数、损失函数; S42,长短期记忆网络权重初始化; S43,输入归一化数据集对长短期记忆网络进行训练,不断调整长短期记忆网络权重; S44,设置相似函数、注意力机制函数,输入长短期记忆网络隐藏层状态值进行计算; S45,输出到全连接层,输出结果; S46,完成训练,保存注意力机制‑长短期记忆网络各项参数; 所述步骤S44加入注意力机制的具体步骤包括: S441,设置相似函数Score函数计算所述步骤S43中LSTM网络最终的隐藏层输出和每个时间点的隐藏层输出的相似度得分; S442,设置SoftMax函数计算每个时间点的注意力权重; 所述步骤S45最终结果输出步骤为将步骤S442所得到的权重与对应LSTM不同时间点隐藏层输出相乘求和,输入到全连接层得到最终预测结果。

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北京工业大学,其通讯地址为:100024 北京市朝阳区平乐园100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。