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

龍圖騰網獲悉西安科技大學;陜西中一時代科技有限公司申請的專利基于雙判別器加權混合生成對抗網絡的手寫數字生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114757329B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111593639.1，技術領域涉及：G06N3/0475；該發明授權基于雙判別器加權混合生成對抗網絡的手寫數字生成方法是由劉寶;王良;宋美玉;翟曉航;張金玉設計研發完成，并于2021-12-23向國家知識產權局提交的專利申請。

本基于雙判別器加權混合生成對抗網絡的手寫數字生成方法在說明書摘要公布了：本發明公開了一種基于雙判別器加權混合生成對抗網絡的手寫數字生成方法，包括步驟：一、獲取目標用戶的真實手寫數字圖像；二、將目標用戶的真實手寫數字圖像輸入預先訓練好的雙判別器加權混合生成對抗網絡中；步驟三、所述雙判別器加權混合生成對抗網絡對目標用戶的真實手寫數字圖像進行處理，得到手寫數字數據。本發明結合了多生成器和雙鑒別器的優點，重建目標函數，設計模型結構，從網絡模型結構和損失函數角度避免梯度消失的現象出現；結合正向KL散度和反向KL散度的優勢，使生成的模式多樣化，改善了GAN所出現的模式崩潰問題。

本發明授權基于雙判別器加權混合生成對抗網絡的手寫數字生成方法在權利要求書中公布了：1.一種基于雙判別器加權混合生成對抗網絡的手寫數字生成方法，其特征在于，該方法包括以下步驟： 步驟一、獲取目標用戶的真實手寫數字圖像； 步驟二、將目標用戶的真實手寫數字圖像輸入預先訓練好的雙判別器加權混合生成對抗網絡中；其中，所述雙判別器加權混合生成對抗網絡的訓練過程為： 步驟201、采用MNIST數據集作為訓練樣本； 步驟202、搭建雙判別器加權混合生成對抗網絡模型；所述雙判別器加權混合生成對抗網絡模型包括并列設置的生成器G1～G10，以及并列連接在生成器G1～G10輸出端的判別器D1、判別器D2和分類器C； 步驟202中所述搭建雙判別器加權混合生成對抗網絡模型時，所述生成器的目標函數為： 其中，TGk為生成器Gk的目標函數，k的取值為1～10的自然數，x'i為從當前生成器形成的分布中采樣得到的第i個生成樣本，i的取值為1～m的自然數，m為當前生成器形成的分布中生成樣本的總數量，D1x'i為當輸入為x'i時判別器D1的輸出，D2x'i為當輸入為x'i時判別器D2的輸出，ρ為D1x'i的權值參數且ρ的取值范圍為0≤ρ≤1，ω為logD2x'i的權值參數且ω的取值范圍為0≤ω≤1，ρ+ω＝1，β為多樣性超參數，為x'i由第ui個生成器生成的概率，ui為生成器的編號； 所述判別器D1的目標函數為： 其中，TD1為判別器D1的目標函數，xi為從真實數據分布Pdata中采樣出的第i個樣本，i的取值為1～m的自然數；D1xi為當輸入為xi時判別器D1的輸出； 所述判別器D2的輸入輸出表達關系式為： 其中，TD2為判別器D2的目標函數，D2xi為當輸入為xi時判別器D2的輸出； 所述分類器C的目標函數為： 其中，TC為分類器C的目標函數； 步驟203、建立生成器、判別器和分類器的損失函數； 步驟204、采用訓練樣本和損失函數，并通過反向傳播對雙判別器加權混合生成對抗網絡模型進行訓練，得到訓練好的雙判別器加權混合生成對抗網絡； 步驟三、所述雙判別器加權混合生成對抗網絡對目標用戶的真實手寫數字圖像進行處理，得到手寫數字數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安科技大學;陜西中一時代科技有限公司，其通訊地址為：710054 陜西省西安市雁塔路中段58號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。