基于图神经网络与Transformer的智能预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了基于图神经网络与Transformer的智能预测方法,涉及地球化学勘探技术领域,包括,获取空间观测数据集并进行数据预处理,所述空间观测数据集包含多个采样点,每个采样点均包括空间位置与金矿品位数据;基于空间位置通过K近邻算法构建KNN空间图并生成邻接矩阵,对邻接矩阵加入单位矩阵形成自环连接,并基于度矩阵对邻接矩阵执行对称归一化,得到归一化邻接矩阵。本发明通过将采样点经纬度与金矿品位数据作为输入并在空间图上联合学习,提高对异常空间模式的刻画能力与识别稳定性,并以二维异常图直观呈现异常分布以提升解释与圈定效率;经纬度仅用于图构建与位置编码、不参与重构损失或异常评分,避免位置重构干扰。
《基于图神经网络与Transformer的智能预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2026102154261,当前法律状态为已下证,由吉林大学提出申请,发明人为王永志;穆子易;董宇浩;张广鹏,申请日期为2026-02-14,公开(公告)日期为2026-06-16,国际专利分类号(IPC)为 G16C 20/70 (2019.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了基于图神经网络与Transformer的智能预测方法,涉及地球化学勘探技术领域,包括,获取空间观测数据集并进行数据预处理,所述空间观测数据集包含多个采样点,每个采样点均包括空间位置与金矿品位数据;基于空间位置通过K近邻算法构建KNN空间图并生成邻接矩阵,对邻接矩阵加入单位矩阵形成自环连接,并基于度矩阵对邻接矩阵执行对称归一化,得到归一化邻接矩阵。本发明通过将采样点经纬度与金矿品位数据作为输入并在空间图上联合学习,提高对异常空间模式的刻画能力与识别稳定性,并以二维异常图直观呈现异常分布以提升解释与圈定效率;经纬度仅用于图构建与位置编码、不参与重构损失或异常评分,避免位置重构干扰。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
