買專利賣專利找龍圖騰，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)獲悉鵬城實(shí)驗(yàn)室申請(qǐng)的專利基于求逆歸一化的模型優(yōu)化方法、裝置、設(shè)備和介質(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：CN117151195B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202311050918.2，技術(shù)領(lǐng)域涉及：G06N3/084；該發(fā)明授權(quán)基于求逆歸一化的模型優(yōu)化方法、裝置、設(shè)備和介質(zhì)是由范登棟;劉勇翔;徐鵬翔;楊凱;田永鴻設(shè)計(jì)研發(fā)完成，并于2023-08-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于求逆歸一化的模型優(yōu)化方法、裝置、設(shè)備和介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明提供了一種基于求逆歸一化的模型優(yōu)化方法、裝置、設(shè)備和介質(zhì)，方法包括：獲取深度神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算出深度神經(jīng)網(wǎng)絡(luò)模型中每個(gè)網(wǎng)絡(luò)層的逆矩陣；根據(jù)每個(gè)網(wǎng)絡(luò)層的逆矩陣得到Fisher信息矩陣的逆矩陣和多個(gè)中間梯度值；根據(jù)多個(gè)中間梯度值計(jì)算平均梯度項(xiàng)和平均平方項(xiàng)；根據(jù)Fisher信息矩陣的逆矩陣對(duì)平均平方項(xiàng)進(jìn)行劃分處理，得到每個(gè)網(wǎng)絡(luò)層對(duì)應(yīng)的梯度向量；對(duì)每個(gè)網(wǎng)絡(luò)層的梯度向量進(jìn)行歸一化處理，得到單位化平均平方項(xiàng)；根據(jù)單位化平均平方項(xiàng)和平均梯度項(xiàng)調(diào)整深度神經(jīng)網(wǎng)絡(luò)模型中的待優(yōu)化變量，得到優(yōu)化后的深度神經(jīng)網(wǎng)絡(luò)模型，其中，本申請(qǐng)?zhí)峁┝艘环N能夠在僅增加少量功耗的情況下優(yōu)化神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度的模型優(yōu)化方案，以提高模型性能。

本發(fā)明授權(quán)基于求逆歸一化的模型優(yōu)化方法、裝置、設(shè)備和介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種基于求逆歸一化的模型優(yōu)化方法，其特征在于，包括： 獲取已根據(jù)預(yù)設(shè)的樣本數(shù)據(jù)集進(jìn)行過(guò)初步訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算出所述深度神經(jīng)網(wǎng)絡(luò)模型中每個(gè)網(wǎng)絡(luò)層的逆矩陣；其中，所述樣本數(shù)據(jù)集包括分子的結(jié)構(gòu)數(shù)據(jù)和性質(zhì)數(shù)據(jù)；所述深度神經(jīng)網(wǎng)絡(luò)模型為用于對(duì)分子的結(jié)構(gòu)和性質(zhì)進(jìn)行預(yù)測(cè)的SchNet網(wǎng)絡(luò)模型； 根據(jù)每個(gè)所述網(wǎng)絡(luò)層的逆矩陣得到Fisher信息矩陣的逆矩陣； 根據(jù)所述Fisher信息矩陣的逆矩陣得到多個(gè)中間梯度值； 根據(jù)多個(gè)所述中間梯度值計(jì)算平均梯度項(xiàng)和平均平方項(xiàng)； 根據(jù)所述Fisher信息矩陣的逆矩陣對(duì)所述平均平方項(xiàng)進(jìn)行劃分處理，得到每個(gè)所述網(wǎng)絡(luò)層對(duì)應(yīng)的梯度向量； 對(duì)每個(gè)所述網(wǎng)絡(luò)層的梯度向量進(jìn)行歸一化處理，得到單位化平均平方項(xiàng)； 根據(jù)所述單位化平均平方項(xiàng)和所述平均梯度項(xiàng)調(diào)整所述深度神經(jīng)網(wǎng)絡(luò)模型中的待優(yōu)化變量，得到優(yōu)化后的深度神經(jīng)網(wǎng)絡(luò)模型； 輸入目標(biāo)分子相關(guān)數(shù)據(jù)至優(yōu)化后的SchNet網(wǎng)絡(luò)模型，以根據(jù)所述優(yōu)化后的SchNet網(wǎng)絡(luò)模型的輸出結(jié)果對(duì)所述目標(biāo)分子對(duì)應(yīng)的分子結(jié)構(gòu)和分子性質(zhì)進(jìn)行預(yù)測(cè)處理。

如需購(gòu)買、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)人鵬城實(shí)驗(yàn)室，其通訊地址為：518000 廣東省深圳市南山區(qū)興科一街2號(hào)；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)”。