基于DCGAN的线性轮廓过程质量异常监控方法和系统（高校公示15天）（不包年费滞纳金）（需要二变）

本发明涉及一种基于DCGAN的线性轮廓过程质量异常监控方法和系统，包括离线训练阶段和在线监控阶段，离线训练阶段中，分别采集历史正常运行状态和异常状态下的线性轮廓过程数据，并对样本进行扩增，基于扩增的样本对卷积神经网络进行训练，在线监控阶段中，根据训练完成的卷积神经网络进行过程异常检测，通过将深度卷积生成对抗网络应用于线性轮廓过程质量异常的监控中，可以解决人工提取特征有限的问题，可以提高了对线性轮廓过程质量异常的监控效率，可在不平衡数据集的情况下对历史数据进行训练，保证了对样本数据量较小的异常过程识别精度，使用卷积神经网络也可以有效的提升线性轮廓过程质量异常监控的效率。

《基于DCGAN的线性轮廓过程质量异常监控方法和系统（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 2022100622339，当前法律状态为已下证，由郑州大学提出申请，发明人为刘玉敏;田光杰;赵哲耘;梁晓莹，申请日期为2022-01-19，公开（公告）日期为2024-09-10，国际专利分类号（IPC）为 G06F 17/16 (2006.01)，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：本发明涉及一种基于DCGAN的线性轮廓过程质量异常监控方法和系统，包括离线训练阶段和在线监控阶段，离线训练阶段中，分别采集历史正常运行状态和异常状态下的线性轮廓过程数据，并对样本进行扩增，基于扩增的样本对卷积神经网络进行训练，在线监控阶段中，根据训练完成的卷积神经网络进行过程异常检测，通过将深度卷积生成对抗网络应用于线性轮廓过程质量异常的监控中，可以解决人工提取特征有限的问题，可以提高了对线性轮廓过程质量异常的监控效率，可在不平衡数据集的情况下对历史数据进行训练，保证了对样本数据量较小的异常过程识别精度，使用卷积神经网络也可以有效的提升线性轮廓过程质量异常监控的效率。

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！