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！

龙图腾网恭喜浙江大学申请的专利一种基于神经网络权值比较的工业因果挖掘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：CN114780610B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210389516.4，技术领域涉及：G06F16/2458；该发明授权一种基于神经网络权值比较的工业因果挖掘方法是由姚乐;何懿萌;孔祥印;葛志强设计研发完成，并于2022-04-13向国家知识产权局提交的专利申请。

本一种基于神经网络权值比较的工业因果挖掘方法在说明书摘要公布了：本发明公开一种基于神经网络权值比较的工业因果挖掘方法，该方法利用过程数据训练一组单隐层神经网络，通过这些网络的权值计算出通路权值矩阵和对称通路矩阵，然后通过对比对称通路权值矩阵的元素与阈值的大小来生成表示变量间相关关系的无向图骨架；在此基础上，再通过网络权值对比有效模型复杂度的相对大小，来判断无向图中每一条边的因果指向，最终得到表示变量间因果关系的有向图。本发明的方法突破了目前一些因果挖掘方法对数据需要满足线性关系、加性噪声或者平稳性的要求，能够用于复杂的工业场景。而且，该方法能够不依赖于人为给定无向图骨架，直接从观测数据中挖掘出无向骨架，并判断每一对无向关系的因果指向，精度较高。

本发明授权一种基于神经网络权值比较的工业因果挖掘方法在权利要求书中公布了：1.一种基于神经网络权值比较的工业因果挖掘方法，其特征在于，包括以下步骤：步骤一：收集工业变量数据样本，所述数据样本包含p个工业变量，记为x1，x2，...，xp；步骤二：搭建p个单隐层神经网络，所述单隐层神经网络包括一个输入层、一个隐藏层和一个输出层，所述输入层包括p个神经元，所述隐藏层包括nh个神经元，所述输出层包括1个神经元；步骤三：用收集的数据样本训练这p个单隐层神经网络，使用数据样本中除去待预测变量的其他变量数据作为单隐层神经网络的输入，待预测变量作为输出，通过最小化损失函数的方式对p个单隐层神经网络进行训练，待网络参数稳定后，继续训练一定周期，并根据网络参数稳定后的周期的网络权值平均值来计算输入神经元对输出神经元的贡献度，即通路权值，并得到通路权值矩阵Q；其中，通路权值q和通路权值矩阵Q的计算公式如下： 其中，表示第i个输入神经元对待预测的输出神经元j的通路权值，为输入神经元对隐藏层神经元的权重，为隐藏层神经元对待预测的输出神经元j的权重；i≠j，1≤i≤p，i∈N+；步骤四：将通路权值矩阵Q对称化，得到对称通路权值矩阵S；步骤五：将S的上三角或下三角元素从小到大排列，取该序列的某一分位数为阈值t，把每一个大于t的元素对应的两个节点用一条边连接起来；从而得到表征变量间连接关系的无向图；步骤六：计算网络参数稳定后的周期的网络权值平均值的L2范数之和，得到输入节点i预测输出节点j的有效模型复杂度EMCi，j以及输入节点j预测输出节点i的有效模型复杂度EECj，i；步骤七：如果EMCi，j＜EMCj，i，则节点i是节点j的原因；如果EMCj，i＜EMCi，j，则节点j是节点i的原因；最终得到表示工业过程变量间因果关系的有向图。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。