買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中山大學(xué)申請的專利基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法、系統(tǒng)及應(yīng)用獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119939525B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510437329.2，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法、系統(tǒng)及應(yīng)用是由周凡;陳小燕;王若梅;林謀廣設(shè)計研發(fā)完成，并于2025-04-09向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法、系統(tǒng)及應(yīng)用在說明書摘要公布了：本發(fā)明涉及物聯(lián)網(wǎng)和深度學(xué)習(xí)技術(shù)領(lǐng)域，公開了一種基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法、系統(tǒng)及應(yīng)用，方法包括獲取多模態(tài)數(shù)據(jù)進行特征提取，生成各模態(tài)數(shù)據(jù)的特征表示；利用自適應(yīng)門控加權(quán)機制，將各模態(tài)數(shù)據(jù)的特征表示進行融合處理，生成融合特征表示，將融合特征表示轉(zhuǎn)換為輕量級特征；將輕量級特征上傳至云端，通過預(yù)部署在云端的自適應(yīng)深度學(xué)習(xí)模型對輕量級特征進行高層次特征融合，得到的高層次融合特征表示；根據(jù)高層次融合特征表示，生成決策結(jié)果。本發(fā)明提高了多模態(tài)數(shù)據(jù)融合技術(shù)在特征提取、跨模態(tài)關(guān)聯(lián)性挖掘和邊緣端實時處理的能力，能夠滿足智能空間對多模態(tài)數(shù)據(jù)高效融合與低延遲動態(tài)決策的需求。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法、系統(tǒng)及應(yīng)用在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的AIoT多模態(tài)數(shù)據(jù)融合決策方法，其特征在于，包括： 通過部署在智能空間中的傳感器網(wǎng)絡(luò)獲取多模態(tài)數(shù)據(jù)；所述多模態(tài)數(shù)據(jù)包括圖像數(shù)據(jù)、音頻數(shù)據(jù)和時間序列數(shù)據(jù)； 對各模態(tài)數(shù)據(jù)進行特征提取，生成各模態(tài)數(shù)據(jù)的特征表示； 利用自適應(yīng)門控加權(quán)機制，將各模態(tài)數(shù)據(jù)的特征表示進行融合處理，生成融合特征表示，包括： 將各模態(tài)數(shù)據(jù)的特征表示的映射到統(tǒng)一的特征空間，其表達式如下所示： 式中，表示第i個模態(tài)數(shù)據(jù)的統(tǒng)一特征表示，為激活函數(shù)，為第i個模態(tài)數(shù)據(jù)的投影矩陣，為偏置項，為第i個模態(tài)數(shù)據(jù)維度，為最終的統(tǒng)一特征表示的維度，為第i個模態(tài)數(shù)據(jù)的特征表示； 構(gòu)建統(tǒng)一特征表示集合，其中、和分別為圖像、音頻和時序特征的統(tǒng)一特征表示； 利用自適應(yīng)門控加權(quán)機制，對各模態(tài)數(shù)據(jù)的統(tǒng)一特征表示進行融合處理，得到初始融合特征表示，其表達式如下所示： 式中，表示對圖像、音頻和時序特征的統(tǒng)一特征表示進行連接操作，分別為自適應(yīng)門控加權(quán)機制的權(quán)重矩陣和偏置項； 利用兩層全連接層對初始融合特征表示進行進一步融合處理，得到最終的融合特征表示，其表達式如下所示： 式中，和分別為兩層全連接層的權(quán)重矩陣，和分別為兩層全連接層的偏置； 通過預(yù)部署在智能空間中的邊緣設(shè)備的輕量化深度學(xué)習(xí)模型，將融合特征表示轉(zhuǎn)換為輕量級特征； 將輕量級特征上傳至云端，通過預(yù)部署在云端的自適應(yīng)深度學(xué)習(xí)模型對輕量級特征進行高層次特征融合，得到的高層次融合特征表示； 根據(jù)高層次融合特征表示，生成決策結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中山大學(xué)，其通訊地址為：510315 廣東省廣州市海珠區(qū)新港西路135號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。