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！

龙图腾网获悉哈尔滨工程大学;哈尔滨龙明科技有限公司申请的专利基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法、设备及介质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：CN116502164B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310447016.6，技术领域涉及：G06F18/2433；该发明授权基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法、设备及介质是由宋洪涛;张钊;韩启龙;刘鹏设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法、设备及介质在说明书摘要公布了：基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法，解决模型的鲁棒性较差，容易收到外部干扰，从而导致检测结果的准确率下降；以及时序数据的频域特征没有被充分考虑，从而导致模型精度受限，分析结构不精准的问题。所述方法整体分为两个阶段：训练阶段和异常检测阶段。在训练阶段，需要利用历史采集到的数据训练模型，使得模型参数能够拟合对应的应用场景。在异常检测阶段中，在每个最新的真实数据产生的时候，模型需要重构出以最新的时间点为结尾的定长时间窗口长度的时序数据，来和原始的真实数据进行残差计算，根据真实数据与重构数据的残差大小来判断当前数据是否是异常数据。本发明适用于工业设备故障检测以及生产线运行状态检测和分析。

本发明授权基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法、设备及介质在权利要求书中公布了：1.基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法，其特征在于，所述方法包括以下步骤： 步骤1：获取原始数据集并进行预处理，所述原始数据集为工业时序数据，所述工业时序数据为工业设备的关键零部件的运行状态数据或生产线的运行状态数据； 步骤2：构建基于对抗训练和频域改良自注意力机制的异常检测模型，所述构建异常检测模型的方法为： 步骤2.1：构建位置编码层，计算输入子序列的位置编码信息，并将其附加到输入中； 步骤2.2：构建编码器结构，编码器结构由基于小波分解和傅里叶变换的频域增强的自注意力模块，残差链接和归一化和全连接神经网络串联构成； 所述自注意力模块的输入为步骤2.1得到的附加位置编码的输入子序列拼接上一个与输入相同大小的零向量，表示为,其中是附加了位置编码的输入子序列； 附加了位置编码的输入子序列经过离散小波分解，输出高频分量和低频分量； 所述高频分量和低频分量经由三个MLP变换成Q、K和V三个矩阵，分别对其进行傅里叶变换操作，得到输入的频域表示； 在频域中对经傅里叶变换后的数据执行随机丢弃，并在未被采集到的频率点处补零，通过傅里叶逆变换将补零的频率点投影回时域表示； 步骤2.3：构建两个并行的解码器结构，解码器结构由基于小波分解和傅里叶变换的频域增强的自注意力模块，残差连接和归一化层，全连接层和Softmax层构成； 步骤3：对步骤2所述基于对抗训练和频域改良自注意力机制的异常检测模型进行训练； 步骤4：将待检测的时序数据输入到经过步骤3训练后的异常检测模型中，进行异常判定。

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哈尔滨工程大学;哈尔滨龙明科技有限公司，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。