公开(公告)号：CN119004002B

公开(公告)日：2025-03-14

申请号：CN202411483609.9

申请日：2024-10-23

Applicant: 厦门大学

Inventor： 刘丽君 ,  谢鑫 ,  向春燕 ,  雷鹰

IPC: G06F18/15 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094

Abstract: 本公开提供了一种改进GAIN修补多传感数据均随机缺失的方法及装置，该改进GAIN包括生成器和判别器，生成器和判别器均包括由卷积神经网络组成的编码器‑解码器架构，且在生成器中集成自注意力机制，使网络更多注意力集中在重要特征，增强网络提取全局特征的能力。生成器和判别器中均设置有跳跃连接，能够缓解梯度消失的问题，提高特征的利用率。该方法通过采用不完整数据矩阵对改进GAIN进行训练，该不完整数据矩阵中对应于各传感器的数据均存在随机部分缺失。由此，根据训练完成的生成器对实际采集得到的传感器数据进行数据修补，可以保证其对所有传感器的缺失数据的修补效果。

公开(公告)号：CN119004002A

公开(公告)日：2024-11-22

申请号：CN202411483609.9

申请日：2024-10-23

Applicant: 厦门大学

Inventor： 刘丽君 ,  谢鑫 ,  向春燕 ,  雷鹰

IPC: G06F18/15 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094

Abstract: 本公开提供了一种改进GAIN修补多传感数据均随机缺失的方法及装置，该改进GAIN包括生成器和判别器，生成器和判别器均包括由卷积神经网络组成的编码器‑解码器架构，且在生成器中集成自注意力机制，使网络更多注意力集中在重要特征，增强网络提取全局特征的能力。生成器和判别器中均设置有跳跃连接，能够缓解梯度消失的问题，提高特征的利用率。该方法通过采用不完整数据矩阵对改进GAIN进行训练，该不完整数据矩阵中对应于各传感器的数据均存在随机部分缺失。由此，根据训练完成的生成器对实际采集得到的传感器数据进行数据修补，可以保证其对所有传感器的缺失数据的修补效果。