买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利一种基于半监督学习的高频振荡标签自动生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115712816B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211418849.1，技术领域涉及：G06F18/00；该发明授权一种基于半监督学习的高频振荡标签自动生成方法是由康桂霞;李思设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种基于半监督学习的高频振荡标签自动生成方法在说明书摘要公布了：本发明公开了一种基于半监督学习的高频振荡标签自动生成方法，来缓解HFOs标签严重缺乏的问题。首先，为了同时关注时间和空间特征，我们设计了一个用循环神经网络和卷积神经网络组成的网络架构。其次，为了充分利用大量的未标记数据，我们探索了一种由有监督成分和无监督成分组成的半监督算法。有监督成分利用有标记样本最小化输入和输出标签的交叉熵。同时，无监督成分基于原始输入和受干扰的输入，利用整个训练集有标记样本和无标记样本最大化输出的一致性，利用大量的未标记数据样本来生成HFOs的标签，提高了未标记数据的利用率，以降低标签的成本，同时提高HFOs标记的准确性和速度。

本发明授权一种基于半监督学习的高频振荡标签自动生成方法在权利要求书中公布了：1.一种基于半监督学习的高频振荡标签自动生成方法，其特征在于，利用包含循环神经网络和卷积神经网络的神经网络提取HFOs信号的时间特征和空间特征，然后将时间特征和空间特征进行融合，得到HFOs的特征向量，最后使用多层感知器对结果进行识别；所述神经网络利用一致性正则化的半监督算法来优化模型参数；一致性正则化的半监督算法包括以下步骤：S1、初始化两个结构相同的网络模型；每个网络模型包括循环神经网络和卷积神经网络两部分，循环神经网络用于提取HFOs信号的时间特征，卷积神经网络用于提取HFOs信号的空间特征；S2、对输入的滤波信号添加不同的高斯白噪声，分别作为网络模型的输入，输入到两个结构相同的网络模型中去；S3、根据损失函数训练其中一个网络模型的模型参数，损失函数由无监督损失和有监督损失两部分组成，无监督损失用于最小化标记数据和未标记数据的相同输入对应的两个网络的不同输出之间的差异，有监督损失只用于计算标记数据；无监督损失在训练过程中的权重逐渐上升；总损失函数计算如下： 其中，Lu为无监督损失，Ls为有监督损失，为无监督损失的权重，权重函数表示为： 其中，t为训练期；S4、对步骤S3训练的模型参数进行指数移动平均，得到另一个模型的模型参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。