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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利时间序列数据对齐方法、装置、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：CN119724346B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510220968.3，技术领域涉及：G16B25/10；该发明授权时间序列数据对齐方法、装置、设备及介质是由童浩南;张闯设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本时间序列数据对齐方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种时间序列数据对齐方法、装置、设备及介质，涉及人工智能技术领域，方法包括利用特征提取模型和预训练语言模型分别对获取的时序基因表达数据和文本数据进行特征提取，进而得到对应的时序基因特征和文本特征，并结合目标聚合损失函数，训练特征提取模型，进而得到不同特征对齐的训练后特征提取模型，以确定最终多模态模型，解决了难以同时兼顾时间动态变化与跨模态语义对齐的需求，缺少灵活机制捕捉整合时序基因表达数据，多模态信息融合与对齐精度较差技术问题，达到了捕捉数据随时间变化的内在规律和趋势，深入挖掘文本中的语义信息和上下文关系，更全面地理解和处理信息，充分利用不同模态信息之间的互补性的技术效果。

本发明授权时间序列数据对齐方法、装置、设备及介质在权利要求书中公布了：1.一种时间序列数据对齐方法，其特征在于，应用于多模态模型，所述多模态模型包括基于门控的特征提取模型和预训练语言模型，其中，所述方法包括以下步骤： 获取时序基因表达数据和文本数据，其中，所述文本数据利用所述时序基因表达数据得到； 利用所述特征提取模型对所述时序基因表达数据进行特征提取，获得时序基因特征； 利用所述预训练语言模型对所述文本数据进行特征提取，获得文本特征； 基于所述时序基因特征、所述文本特征和目标聚合损失函数，训练所述特征提取模型，以得到用于所述时序基因特征和所述文本特征对齐的训练后特征提取模型，并基于所述训练后特征提取模型确定最终多模态模型； 其中，所述目标聚合损失函数的表达式为： ， 其中，表示基因表达与文本匹配损失函数的权重，表示掩码语言模型损失函数的权重，表示语言模型损失函数的权重，表示多模态对比损失函数的权重，表示基因表达与文本匹配损失函数，表示掩码语言模型损失函数，表示语言模型损失函数，表示多模态对比损失函数； 所述基于所述时序基因特征、所述文本特征和目标聚合损失函数，训练所述特征提取模型，以得到用于所述时序基因特征和所述文本特征对齐的训练后特征提取模型，包括： 利用所述的损失值、所述的损失值、所述的损失值和所述的损失值调节所述、所述、所述和所述，以得到所述目标聚合损失函数； 利用所述目标损失函数训练所述特征提取模型，以得到所述训练后特征提取模型； 所述基因表达与文本匹配损失函数的表达式为： ， 其中，表示模型参数的集合，表示预训练数据集，表示文本序列，表示时序基因表达数据，，二分类标签，表示模型对配对是否匹配的预测概率，表示期望； 所述掩码语言模型损失函数的表达式为： ， 其中，表示文本中被遮盖掉的单词或标记，表示文本中其余未被遮盖的词，表示模型在给定未遮盖词和基因表达矩阵的条件下，对被遮盖词的预测概率； 所述语言模型损失函数的表达式为： ， 其中，表示文本序列的总长度，表示第个文本标记或单词，表示第个单词之前所有词的序列，表示时序基因表达数据，表示在给定已有的文本上下文与基因表达条件下，生成第个单词的条件概率； 所述多模态对比损失函数的表达式为： ， 其中，表示批量大小，表示第个样本在时序基因表达数据侧通过门控模型或特征编码网络得到的向量表示，表示第个样本在文本数据侧由预训练语言模型或投影层得到的向量表示，表示相似度度量函数，表示温度系数。

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苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢；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”。