申请/专利权人：南方科技大学

申请日：2024-03-13

公开（公告）日：2024-06-28

公开（公告）号：CN117875726B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/067;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供基于深度学习的价值链优化管控方法及系统，其中，方法包括：获取第一输入样本；基于VAE模型，根据第一输入样本，确定第二输入样本；基于深度学习技术和时空注意力机制，构建企业价值链风险预测模型；将第二输入样本输入企业价值链风险预测模型，获得企业价值链风险等级的概率分布结果；根据概率分布结果，进行优化管控。本发明的基于深度学习的价值链优化管控方法及系统，引入VAE模型对获取的第一输入样本进行数据增强，获取第二输入样本，样本数据更平衡。引入深度学习技术和时空注意力机制，风险预测更精准，根据预测的概率分布结果进行优化管控，管控更适宜。

主权项：1.基于深度学习的价值链优化管控方法，其特征在于，包括：获取第一输入样本，第一输入样本为：产品生产业务历史数据和拓扑关系数据，拓扑关系数据是企业价值链上的活动环节的交互关系信息；基于VAE模型，根据第一输入样本，确定第二输入样本，VAE模型为：变分自动编码器生成模型；基于深度学习技术和时空注意力机制，构建企业价值链风险预测模型；将第二输入样本输入企业价值链风险预测模型，获得企业价值链风险等级的概率分布结果；根据企业价值链风险等级的概率分布结果，进行相应优化管控；其中，基于深度学习技术和时空注意力机制，构建企业价值链风险预测模型，包括：获取时间注意力模块输出的时间注意力输出向量ZT；获取工序环节位置向量映射的具有生产环节空间关系的空间注意力输出向量将时间注意力输出向量ZT和空间注意力输出向量进行残差链接得到ZG，并将ZG输入到生产环节拓扑关系图注意力层，获取生产环节拓扑关系图注意力层的输出获取空间注意力模块输出的空间注意力输出向量将和空间注意力输出向量进行残差链接得到编码器输出ZS；获取解码器模块的第一个归一化层的输出；将编码器输出ZS和解码器模块的第一个归一化层的输出进行残差链接并输入解码器模块的自注意力层，完成企业价值链风险预测模型的构建；根据企业价值链风险等级的概率分布结果，进行相应优化管控，包括：解析企业价值链风险等级的概率分布结果，确定目标环节的管控优先级；根据管控优先级，对应调取管控策略库并确定管控策略进行相应优化管控。

全文数据：

权利要求：

百度查询： 南方科技大学 基于深度学习的价值链优化管控方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD