申请/专利权人：西南交通大学;电子科技大学

申请日：2023-12-02

公开（公告）日：2024-04-26

公开（公告）号：CN117934332A

主分类号：G06T5/77

分类号：G06T5/77;G06F17/10;G06N3/0985;G06N3/088;G06F17/16;G06N3/04;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了基于深度张量表示的无监督多维数据复原方法，包括：给定待复原的多维数据，构造其观测张量及二进制掩码张量；选择适合的深度潜在生成模块gθ·，以及深度变换模块fε·用于模型训练；构建模型；利用给出的待复原的张量对模型进行训练，确定超参数，直至网络预测性能达到预想效果后停止训练并得到输出张量；将观测张量上未缺失区域的值对应覆盖到输出张量上，得到复原后的张量；本发明还公开了一种基于无监督学习的多维数据复原系统；本发明避免了现有基于变换的张量表示方法中浅层分解对潜在张量表征不足以及不能刻画潜在张量正面切片片间关系的缺点。

主权项：1.一种基于深度张量表示的无监督多维数据复原方法，包括以下步骤：步骤1、利用给定的待复原多维数据构造观测张量及二进制掩码张量；步骤2、选择适合的未经训练的神经网络构建深度潜在生成模块gθ·和深度变换模块fε·；步骤3、利用模块gθ·和fε·构建基于深度张量表示的无监督多维数据复原模型，模型表达式如下： 其中，表示复原张量，表示观测张量，表示根据观测张量制作的二进制掩码张量，⊙表示张量逐点相乘；表示网络的一个随机输入，表示函数的复合，ε,θ分别为深度变换模块fε·和深度潜在生成模块gθ·中待学习的网络参数；步骤4、利用给定的待复原多维数据对模型进行训练，确定超参数，直至网络预测性能达到预想效果后停止训练并得到输出张量。步骤5、将观测张量上未缺失区域的值对应覆盖到输出张量上，得到复原后的张量。

全文数据：

权利要求：

百度查询： 西南交通大学;电子科技大学 基于深度张量表示的无监督多维数据复原方法与系统

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