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 > 苏州工学院黄龙吉获国家专利权

苏州工学院黄龙吉获国家专利权

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!

龙图腾网获悉苏州工学院申请的专利基于时序语义注意力的自监督时空数据补全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:CN120336736B

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:202510841249.3,技术领域涉及:G06F18/15;该发明授权基于时序语义注意力的自监督时空数据补全方法及系统是由黄龙吉;邢晓双;高云君;王晓南;环鹏程;金志佳;李鑫;黄健斌;左国穰;苏超;赵海童;成晓璐;仝灿;杨亚明;翁志勇;胡春强设计研发完成,并于2025-06-23向国家知识产权局提交的专利申请。

基于时序语义注意力的自监督时空数据补全方法及系统在说明书摘要公布了:本发明公开了一种基于时序语义注意力的自监督时空数据补全方法及系统,获取时空数据,通过时序分段建模将不完整时间序列划分为语义段单元;利用交叉注意力机制挖掘段间潜在时序依赖模式,得到分段注意力计算结果;基于分段注意力计算结果构建时序对比模型,通过自监督方法获取时序建模的强泛化嵌入;通过时序建模获取的嵌入作为每个节点的时序特征,通过图卷积网络进行空域建模,得到空域建模结果。该方法突破传统模型对数据完整性的强依赖,在数据缺失场景下可以有效捕捉非线性时空关联,为后续时空节点级任务提供高鲁棒性时序嵌入基础。

本发明授权基于时序语义注意力的自监督时空数据补全方法及系统在权利要求书中公布了:1.一种基于时序语义注意力的自监督时空数据补全方法,其特征在于,包括以下步骤: S01:获取时空数据,所述时空数据包括路网固定点监测数据,所述路网固定点监测数据包括多个传感器采集的包含一定时间戳的数据,通过时序分段建模将不完整时间序列划分为语义段单元; S02:利用交叉注意力机制挖掘段间潜在时序依赖模式,得到分段注意力计算结果;利用交叉注意力机制挖掘段间潜在时序依赖模式包括: S21:分段间注意力以时序段作为基本计算单元,将每个段相关模块的输入表示为,其中,为实数,和分别是输入的长度和维度,初始隐藏状态,为时序特征块,对于单头注意力,输入序列被三个投影矩阵投影以获得查询、键和值; 查询段和关键段之间的相关性度量为: ,其中,是两个相同大小的矩阵之间的点积运算; 每个查询段与所有关键段的相关性度量将通过函数进行归一化,以获得聚合权重: ,第个段位置的输出是所有值段的加权和,计算过程为: ,通过拼接所有输出获得段间注意力模块的输出,计算过程为: ,经过线性层后最终的输出结果为,实现多尺度段注意力建模; S22:计算分段时序重建损失函数为: ,其中,表示重建的分段总数,表示重建分段的真实值,表示重建分段的时序交叉建模结果; 分段时序重建损失函数的目标是最小化每个分段的整体损失; S03:基于分段注意力计算结果构建时序对比模型,通过自监督方法获取时序建模的强泛化嵌入; S04:通过时序建模获取的嵌入作为每个传感器节点的时序特征,通过图卷积网络进行空域建模,得到空域建模结果。

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苏州工学院,其通讯地址为:215500 江苏省苏州市常熟市南三环路99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。