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！

龍圖騰網獲悉云南師范大學申請的專利圖結構特征的塑造方法、終端設備及計算機可讀存儲介質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：CN120449928B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510952005.2，技術領域涉及：G06N3/042；該發明授權圖結構特征的塑造方法、終端設備及計算機可讀存儲介質是由陳嘉清;宋馮皓;楊紹靖;尹子都設計研發完成，并于2025-07-10向國家知識產權局提交的專利申請。

本圖結構特征的塑造方法、終端設備及計算機可讀存儲介質在說明書摘要公布了：本申請涉及一種圖結構特征的塑造方法、終端設備及計算機可讀存儲介質，所述方法包括：通過將矛盾樣本劃分為多個矛盾樣本集，并在目標模型中對矛盾樣本進行多次向心訓練以不斷更新目標模型的模型參數，使得訓練后的目標模型能夠將矛盾樣本向其所屬類別中心移動，實現對矛盾樣本的消解，顯著提升目標模型的性能，進而最后通過目標模型能夠獲得相似元素聚合且邊界分離的目標圖結構。

本發明授權圖結構特征的塑造方法、終端設備及計算機可讀存儲介質在權利要求書中公布了：1.一種圖結構特征的塑造方法，其特征在于，所述圖結構特征的塑造方法包括： 確定圖結構中的矛盾樣本，并將所述矛盾樣本劃分為多個矛盾樣本集； 將所述圖結構在預訓練的目標模型中進行前向傳播，以得到各所述矛盾樣本集中各樣本對應的第一隱藏層特征，其中所述目標模型處理各所述矛盾樣本集時的初始模型參數均設置為所述目標模型上次預訓練后得到的模型參數，所述第一隱藏層特征為所述目標模型中殘差連接多頭注意力層輸出的圖結構中所述矛盾樣本的節點特征； 基于各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征，更新所述目標模型的模型參數； 將所述圖結構在所述目標模型中進行前向傳播，以得到各所述矛盾樣本集中各樣本對應的第二隱藏層特征，其中所述目標模型處理所述各所述矛盾樣本集時的初始模型參數均設置為所述目標模型上次更新后得到的模型參數，所述第二隱藏層特征為所述目標模型中殘差連接多頭注意力層輸出的圖結構中所述矛盾樣本的節點特征； 基于各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征和所述第二隱藏層特征，更新所述目標模型的模型參數； 將所述圖結構在所述目標模型進行前向傳播，以得到相似元素聚合后的目標圖結構，所述目標圖結構為所述目標模型中所述殘差連接多頭注意力層的輸出； 其中，所述目標模型包括至少兩個并聯的特征提取層，按先后順序依次連接的第一拼接層和殘差連接多頭注意力層，所述特征提取層的輸出與所述第一拼接層的輸入連接；所述特征提取層包括按先后順序依次連接的第一卷積層、第一激活函數層和第一丟棄層； 所述基于各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征，更新所述目標模型的模型參數包括： 計算各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征對應所屬類別的特征均值；計算各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征到對應所屬類別的所述特征均值的歐式距離平方； 計算各所述矛盾樣本集中各樣本對應的所述歐式距離平方的總和，其中所述總和為所述矛盾樣本集的邊界損失值； 將各所述矛盾樣本集的所述邊界損失值在所述目標模型中進行反向傳播，得到各所述矛盾樣本集對應的第一梯度； 使用預設優化器根據各所述矛盾樣本集對應的所述第一梯度，更新所述目標模型的模型參數； 所述基于各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征和所述第二隱藏層特征，更新所述目標模型的模型參數包括： 根據各所述矛盾樣本集中各樣本對應的所述第一隱藏層特征和所述第二隱藏層特征，計算各所述矛盾樣本集的特征平均距離； 根據各所述矛盾樣本集的所述特征平均距離，確定各所述矛盾樣本集對應的所述第一梯度的權重； 根據各所述矛盾樣本集的所述第一梯度的權重，對所有所述矛盾樣本集的所述第一梯度進行聚合，以得到第一目標梯度； 使用所述預設優化器根據所述第一目標梯度，更新所述目標模型的模型參數。

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云南師范大學，其通訊地址為：650500 云南省昆明市呈貢區聚賢街768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”。