龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：四川大学
申请日：2023-01-03
公开（公告）日：2024-07-05
公开（公告）号：CN118296516A
主分类号：G06F18/2433
分类号：G06F18/2433;G06F18/241;G06F18/25;G06F18/2415;G06N3/047;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明提出了一种基于层级时间记忆的在线工控异常检测算法HTM‑CDFK层级时间记忆作为一种模拟人类记忆过程的算法，其能按照人类大脑的运行方式，将数据的各种运行模式转化为不同形式的神经元连接拓扑，以识别实时数据与记忆中数据模式的差别，并能够在数据模式变化时自动更新神经元连接来重新学习，本文通过采用该模型，突破了大多数在线异常检测算法中仅能针对特定模式进行检测的限制。此外，针对层级时间记忆对于周期性噪声容忍度较差的缺陷，本发明还提出了基于累积分布函数和高斯核卷积的异常值计算算法，提升了层级时间记忆在工控环境下的异常检测性能。
主权项：1.一种基于层级时间记忆的在线工控异常检测算法，其特征在于，所述方法包括以下步骤：步骤1、HTM模型预测，由于本章所使用的HTM模型更适用于单模数据的场景，因此，在使用HTM模型预测数据时，该算法为每个传感器单独创建一个模型，并使用对应的模型对传感器预测传感器数据；步骤2、生成预测误差，算法使用HTM模型在序贯记忆阶段生成的预测二进制向量与下一时刻使用稀疏编码生成的二进制向量进行与运算，以计算HTM模型的预测误差；步骤3、计算异常值，HTM预测直接输出的结果对于周期性的噪音容忍性较差，因此，算法接下来使用本章提出的CDF算法基于HTM预测误差计算当前传感器的异常值；步骤4、聚合异常值，由于上述计算出的异常值仅对应单个传感器数据，为了获得系统整体的异常值，在该步骤，算法使用本章提出的高斯核卷积算法聚合所有传感器的异常值；步骤5、判断系统异常，在生成整个工控系统的实时异常值后，算法最后通过阈值来判断系统是否处于异常状态。
全文数据：
权利要求：
百度查询： 四川大学 一种基于层级时间记忆的在线工控异常检测算法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号