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！

龙图腾网恭喜湘江实验室申请的专利一种基于位置编码自适应深度置信网络的数据补全方法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：CN119202557B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411677300.3，技术领域涉及：G06F18/15；该发明授权一种基于位置编码自适应深度置信网络的数据补全方法是由陈晓红;张颖;侯海良;陈洁;李世玲;胡上;谭筠设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于位置编码自适应深度置信网络的数据补全方法在说明书摘要公布了：本发明属于工业数据补全方法技术领域，具体公开了一种基于位置编码自适应深度置信网络的数据补全方法，在将训练集的数据及其位置编码结合为位置编码数据层并从而预训练位置编码自适应深度置信网络，从而能够考虑到确实数据的位置信息，提高了预测模型的预测精度；并且能够筛选相似样本集在基础全局模型上进行快速微调，获得最优局部工业数据补全模型，从而在时变性较强的工业系统中能够不断保持较高的数据补全精度。

本发明授权一种基于位置编码自适应深度置信网络的数据补全方法在权利要求书中公布了：1.一种基于位置编码自适应深度置信网络的数据补全方法，其特征在于，包括以下方法步骤步骤S1：获取完整数据集，所述数据集为工业生产的过程数据，随机删除所述数据集内的数值，对所述数据集进行归一化处理；将所述完整数据集划分为训练集和测试集；步骤S2：将所述训练集的数据进行位置编码，将所述训练集的数据与所述位置编码结合形成位置编码输入层；步骤S3：基于所述位置编码输入层预训练所述位置编码自适应深度置信网络，得到基于位置编码自适应深度置信网络的工业数据补全全局模型；步骤S4：针对测试集样本，从训练集中筛选相似样本并组成相似样本集在全局模型上快速微调，自适应更新深度置信网络全局模型，直至收敛以获得最优局部工业数据补全模型；步骤S5：依次将测试集中的数据输入至所述最优局部工业数据补全模型，输出补全的完整测试集数据；步骤S6：获取待补全数据集，针对待补全数据集样本，从训练集中筛选并组成相似样本集在全局模型上快速微调，自适应更新深度置信网络全局模型，直至收敛以获得最优局部工业数据补全模型；步骤S7：将待补全数据集中的数据输入至所述最优局部工业数据补全模型，输出补全的完整数据集数据；所述位置编码为： ；其中，表示第a个缺失样本的第i个变量的位置编码；表示第a个缺失样本的第i个变量；表示缺失样本的第i个变量缺失值；所述位置编码输入层为： ；其中，表示原始输入的第t时刻的缺失样本；表示第t时刻的位置编码；表示缺失样本与位置编码连接后的输入向量；所述步骤S3中，所述位置编码自适应深度置信网络包括多层受限玻尔兹曼机，在每两个相邻的两层受限玻尔兹曼机中，将底层的受限玻尔兹曼机的隐含层神经元状态作为新提取的特征数据输入上一层受限玻尔兹曼机中，对上一层受限玻尔兹曼机进行训练；每个受限玻尔兹曼机的能量函数为： ；其中，表示可见层的状态向量，也即位置编码输入层；表示隐含层的状态向量；表示第个可见层单元；表示第个可见层单元的状态；表示第个可见层单元的偏置；表示第个隐含层单元；表示第个隐含层单元的激活状态；表示第个隐含层单元的偏置；表示两层之间的连接权重；表示可见层的节点数；表示隐含层的节点数。

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湘江实验室，其通讯地址为：410000 湖南省长沙市高新区尖山路217号北斗产业园1栋；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”。