買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉騰訊科技(深圳)有限公司申請(qǐng)的專利模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114332469B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29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(qǐng)?zhí)?專利號(hào)為：202110975270.4，技術(shù)領(lǐng)域涉及：G06V10/40；該發(fā)明授權(quán)模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)是由劉松濤;李藍(lán)青設(shè)計(jì)研發(fā)完成，并于2021-08-24向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本申請(qǐng)?zhí)峁┝艘环N模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：獲取第一訓(xùn)練圖數(shù)據(jù)和N組超參，第一訓(xùn)練圖數(shù)據(jù)包括R個(gè)數(shù)據(jù)對(duì)，每個(gè)數(shù)據(jù)對(duì)由圖網(wǎng)絡(luò)中的一個(gè)中心節(jié)點(diǎn)的第一特征信息和中心節(jié)點(diǎn)的一個(gè)鄰居圖節(jié)點(diǎn)的第一特征信息組成；將第一訓(xùn)練圖數(shù)據(jù)分別輸入N組超參中每一組超參下的生成器中，以使生成器學(xué)習(xí)在給定中心節(jié)點(diǎn)的特征條件下中心節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的特征概率分布，得到N組超參中每一組超參下訓(xùn)練后的生成器；從N組超參下訓(xùn)練后的生成器中，確定出目標(biāo)生成器，目標(biāo)生成器用于生成第二抽樣樣本，第二抽樣樣本用于訓(xùn)練預(yù)設(shè)的圖神經(jīng)網(wǎng)絡(luò)模型，解決了模型在訓(xùn)練時(shí)由于缺少樣本而過(guò)擬合的問(wèn)題，提升模型的魯棒性和泛化性。

本發(fā)明授權(quán)模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種模型訓(xùn)練方法，其特征在于，應(yīng)用于人工智能制藥領(lǐng)域，所述方法包括： 獲取第一訓(xùn)練圖數(shù)據(jù)和N組超參數(shù)，所述第一訓(xùn)練圖數(shù)據(jù)包括R個(gè)數(shù)據(jù)對(duì)，每個(gè)數(shù)據(jù)對(duì)由圖網(wǎng)絡(luò)中的一個(gè)中心節(jié)點(diǎn)的第一特征信息和所述中心節(jié)點(diǎn)的一個(gè)鄰居節(jié)點(diǎn)的第一特征信息組成，利用已收集完成的藥物數(shù)據(jù)，學(xué)習(xí)不同官能團(tuán)附近的結(jié)構(gòu)和特征信息，總結(jié)出藥物分子局部結(jié)構(gòu)的信息，所述N、R均為正整數(shù)； 將所述第一訓(xùn)練圖數(shù)據(jù)分別輸入所述N組超參數(shù)中每一組超參數(shù)下的生成器中，以使所述生成器學(xué)習(xí)在給定中心節(jié)點(diǎn)的特征條件下所述中心節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的特征概率分布，得到所述N組超參數(shù)中每一組超參數(shù)下訓(xùn)練后的生成器； 針對(duì)所述N組超參數(shù)中的每一組超參數(shù)，使用該組超參數(shù)下訓(xùn)練后的生成器進(jìn)行抽樣，得到該組超參數(shù)下訓(xùn)練后的生成器輸出的第一抽樣樣本，并使用該組超參數(shù)下訓(xùn)練后的生成器輸出的第一抽樣樣本，對(duì)預(yù)設(shè)的第一預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到該組超參數(shù)對(duì)應(yīng)的訓(xùn)練后的第一預(yù)測(cè)模型； 分別確定每一組超參數(shù)對(duì)應(yīng)的訓(xùn)練后的第一預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確度，并將預(yù)測(cè)準(zhǔn)確度最高的第一預(yù)測(cè)模型所對(duì)應(yīng)的一組超參數(shù)下訓(xùn)練后的生成器，確定為目標(biāo)生成器，所述目標(biāo)生成器用于生成第二抽樣樣本，所述第二抽樣樣本用于訓(xùn)練預(yù)設(shè)的圖神經(jīng)網(wǎng)絡(luò)模型。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人騰訊科技(深圳)有限公司，其通訊地址為：518057 廣東省深圳市南山區(qū)高新區(qū)科技中一路騰訊大廈35層；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)”。