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！

龙图腾网获悉重庆大学申请的专利动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架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：CN115983110B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211630044.3，技术领域涉及：G06F30/27；该发明授权动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架是由马驰;桂洪泉;刘佳兰;王时龙设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架在说明书摘要公布了：本发明公开了动态时空记忆图卷积网络热误差模型，其特征在于：包括串联设置的N层DTSMGCN层，第i层DTSMGCN层的输出hit为第i+1层DTSMGCN层的输入；DTSMGCN层包括DTSMGCN单元，DTSMGCN单元内设有边缘单元、联合单元和混合邻接矩阵；边缘单元用于挖掘每个变量的时间特征并将时间特征被传输到联合单元；联合单元用于挖掘变量之间的时空特征，且提取的时空特征在递归网络中紧密耦合并传播；混合邻接矩阵用于挖掘空间特征，空间特征包括动态地理邻接矩阵、语义邻接矩阵和运动邻接矩阵。本发明还公开了一种面向工业的机器学习大数据框架。本发明的动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架，能够有效提高预测精度，并解决云计算工业带宽有限的问题。

本发明授权动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架在权利要求书中公布了：1.一种面向工业的机器学习大数据框架，其特征在于：包括云计算层和边缘计算层； 所述边缘计算层包括数据生成层和数据传输层； 所述数据生成层用于控制加工过程并收集制造过程中生成的包括结构化、半结构化、非结构化数据的热信息数据，收集的热信息数据上传至对应的MySQL数据库内；所述数据传输层由Kafka和Flume组成以实现MySQL数据库与HDFS之间的数据传输； 所述云计算层包括数据存储层、数据计算层和数据分析层； 所述数据存储层包括HDFS和Hbase数据库，HBase数据存储在HDFS上，HDFS为HBase数据库提供底层存储支持；所述MySQL数据库中临时存储的热信息数据导入Hbase数据库，为机器学习模型的实时决策提供保障；所述数据计算层由Spark组成，用于训练动态时空记忆图卷积网络热误差模型；所述数据分析层用于协调多个分布式应用程序的操作； 所述边缘计算层内的PC根据工业场景开发所述动态时空记忆图卷积网络热误差模型并传输至所述数据分析层，所述数据计算层利用存储的历史热信息数据对动态时空记忆图卷积网络热误差模型进行训练，将训练后的动态时空记忆图卷积网络热误差模型下载到PC内以更新边缘电脑内存储的动态时空记忆图卷积网络热误差模型，所述数据生成层收集的实时热信息数据传输至所述PC以利用存储在PC内的动态时空记忆图卷积网络热误差模型进行预测； 所述动态时空记忆图卷积网络热误差模型包括串联设置的N层DTSMGCN层，其中，N≥1；且：当N≥2时，第i层所述DTSMGCN层的输出为第i+1层所述DTSMGCN层的输入，1≤i≤N-1； 所述DTSMGCN层包括DTSMGCN单元，所述DTSMGCN单元内设有边缘单元、联合单元和混合邻接矩阵；所述边缘单元用于挖掘每个变量的时间特征并将时间特征被传输到所述联合单元；所述联合单元用于挖掘变量之间的时空特征，且提取的时空特征在递归网络中紧密耦合并传播；所述混合邻接矩阵用于挖掘空间特征，所述空间特征包括动态地理邻接矩阵、语义邻接矩阵和运动邻接矩阵。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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。