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！

龙图腾网恭喜中国科学院合肥物质科学研究院申请的专利回旋管异常测试数据识别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：CN119475202B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202510066353.X，技术领域涉及：G06F18/2433；该发明授权回旋管异常测试数据识别方法及系统是由王晓洁;伍宸设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本回旋管异常测试数据识别方法及系统在说明书摘要公布了：本发明公开一种回旋管异常测试数据识别方法和系统，方法包括：步骤1、构建回旋管测试数据集，并将特征提取器及高斯混合模型的参数初始化；步骤2、进行预热训练，使用特征提取器对回旋管测试数据进行表征学习，获取数据的潜在特征，并持续判断预热训练是否完成，若未完成，持续对学习目标进行优化，若完成，则进入步骤3，所述特征提取器为深度神经网络；步骤3、预热结束后，使用高斯混合模型对回旋管测试数据的潜在特征进行分布建模；步骤4、使用高斯混合模型计算回旋管测试数据的分布置信度，识别回旋管异常测试数据；步骤5、重复步骤2‑4，直到目标训练函数收敛。本发明不仅显著提高了回旋管故障识别任务的准确率，还可以识别出回旋管测试数据中的异常数据点，为确保ECRH系统的稳定运行提供了有力保障。

本发明授权回旋管异常测试数据识别方法及系统在权利要求书中公布了：1.一种回旋管异常测试数据识别方法，其特征在于，包括：步骤1、构建回旋管测试数据集，并将特征提取器及高斯混合模型的参数初始化；步骤2、进行预热训练，使用特征提取器对回旋管测试数据进行表征学习，获取数据的潜在特征，持续判断预热训练是否完成，若未完成，持续对学习目标进行优化，若完成，进入步骤3，此阶段的目标是为特征提取器的优化方向寻找到一个较优解，为此构建优化目标损失函数，特征提取器为深度神经网络，包括：浅层特征提取层，包括依序连接的第一线性层、第一ReLU激活函数和第二线性层，第一线性层的输入端输入回旋管测试数据；深层特征提取层，包括：依序连接的第三线性层、池化层、第一相乘单元、第二ReLU激活函数、第一相加单元，依序连接的第四线性层、第三ReLU激活函数、第二相乘单元、第四ReLU激活函数、第二相加单元，第二线性层的输出端分别连接第三线性层、第一相加单元和第一相乘单元的输入端，第一相乘单元的输出端连接第二ReLU激活函数，第一相加单元的输出端同时连接第四线性层、第二相乘单元、第二相加单元，第二相乘单元的输出端连接第四ReLU激活函数，第二相加单元的输出端连接预测分类层；预测分类层，包括第五线性层，利用通过深层特征提取层学习到的高维回旋管潜在特征表征进行最终预测，输出回旋管故障识别的结果，得到学习后的回旋管测试数据的潜在特征；步骤3、预热结束后，使用高斯混合模型对学习后的回旋管测试数据的潜在特征进行分布建模；步骤4、使用高斯混合模型计算回旋管测试数据的分布置信度，识别回旋管异常测试数据，将其从回旋管测试数据集中过滤；步骤5、重复步骤2-4，直到目标损失函数收敛。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山区蜀山湖路350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”。