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！

龍圖騰網獲悉珠海市數舟科技有限公司申請的專利數據處理方法、裝置、設備和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：CN120354903B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510847204.7，技術領域涉及：G06F30/27；該發明授權數據處理方法、裝置、設備和存儲介質是由閆亮;曾社銓;陳汪設計研發完成，并于2025-06-24向國家知識產權局提交的專利申請。

本數據處理方法、裝置、設備和存儲介質在說明書摘要公布了：本發明公開了一種數據處理方法、裝置、設備和存儲介質，通過提供針對物理感知神經網絡的不確定性量化方法，旨在解決現有技術在求解含物理約束的復雜問題時進行不確定性評估的效率瓶頸。本發明提出，在預訓練的PINNs模型中，通過一種矩傳遞解析算法，在單次前向傳播中逐層計算神經元輸出的期望與方差，該方法替代了依賴海量采樣的蒙特卡洛模擬，從根本上解決了其在高維、非線性物理系統仿真中因計算成本過高而難以應用的痛點。最終，本發明在不犧牲量化精度的前提下，實現了對模型預測的實時、可靠的不確定性評估，為PINNs在諸如數字孿生、醫療診斷、航空航天等對安全性和實時性有嚴苛要求的領域的應用提供了關鍵技術支持。

本發明授權數據處理方法、裝置、設備和存儲介質在權利要求書中公布了：1.一種數據處理方法，其特征在于，包括： 獲取待預測數據；其中，所述待預測數據為醫學影像數據或工業檢測圖像； 將所述待預測數據輸入到預先訓練好的物理感知神經網絡模型中，其中，所述物理感知神經網絡模型的訓練過程融合了物理定律作為約束條件，以使所述物理感知神經網絡模型執行矩傳遞計算，并輸出預測值和目標方差； 根據所述預測值和所述目標方差構建置信區間； 根據所述置信區間確定所述預測值的不確定性量化結果；其中，所述不確定性量化結果用于表征所述預測值的可靠程度； 其中，所述物理感知神經網絡模型包括至少一個矩傳遞架構；所述矩傳遞架構中的每一層均向后傳遞期望值和方差值，每一所述矩傳遞架構包括依次連接的線性層、歸一化層、激活函數層和丟棄層； 所述線性層利用權重矩陣和偏置，對輸入的第一期望和第一方差進行線性變換，并輸出第二期望和第二方差，滿足以下公式： （1）； （2）； 其中，為權重矩陣，為權重矩陣的轉置矩陣；為偏置；為第一期望，第一期望為所述待預測數據的分布均值；為第一方差，第一方差為所述待預測數據的分布方差；為第二期望；為第二方差； 所述歸一化層利用歸一化參數，對輸入的所述第二期望和所述第二方差進行歸一化計算，并輸出第三期望和第三方差，滿足以下公式： （3）； （4）； 其中，為第三期望；為第三方差；分別為第一網絡參數和第二網絡參數，起到縮放偏移作用；分別為期望系數和方差系數，起到歸一化作用；共同組成歸一化參數；為一固定常數，用于防止公式中的分母為0； 所述激活函數層利用激活函數，對輸入的所述第三期望和所述第三方差進行函數運算，并輸出第四期望和第四方差；其中，所述激活函數為能夠進行高階求導以滿足所述物理定律約束計算需求的平滑函數，所述平滑函數為Sigmoid函數、Tanh函數或Swish函數； 所述丟棄層根據所述第四期望和所述第四方差，通過預設的丟棄概率進行隨機丟棄，并輸出第五期望和第五方差。

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珠海市數舟科技有限公司，其通訊地址為：519000 廣東省珠海市高新區唐家灣鎮新沙三路188號15棟305-2；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”。