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！

龙图腾网恭喜中国科学技术大学先进技术研究院申请的专利基于多模态极限学习机的预测方法、装置、设备及介质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：CN114386523B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210047643.6，技术领域涉及：G06F18/214；该发明授权基于多模态极限学习机的预测方法、装置、设备及介质是由吕文君;李鲲;康宇设计研发完成，并于2022-01-17向国家知识产权局提交的专利申请。

本基于多模态极限学习机的预测方法、装置、设备及介质在说明书摘要公布了：本申请公开了基于多模态极限学习机的预测方法、装置、设备及介质，所述方法包括：获取训练数据以及概率分布下的神经元权重参数，并构建训练数据对应的标签向量；依据各神经元权重参数，构建每一概率分布下的若干中间神经元；依据各若干中间神经元，构建训练数据在各概率分布下的复合特征；计算复合特征对应的二阶样本特征，并构建二阶样本特征对应的核矩阵；获取待预测样本，依据核矩阵以及标签向量共同构建的极限学习机模型，对待预测样本进行预测，得到预测结果。本发明可以应用于解决数据驱动的建模问题，例如图像分类、序列预测、地球物理、信用评价等等。本申请解决了现有技术中极限学习机模型由于随机映射导致的精度不稳定的技术问题。

本发明授权基于多模态极限学习机的预测方法、装置、设备及介质在权利要求书中公布了：1.一种基于多模态极限学习机的预测方法，其特征在于，所述基于多模态极限学习机的预测方法包括： 获取训练数据以及各概率分布下的神经元权重参数，并构建所述训练数据对应的标签向量，其中，所述训练数据至少包括图像分类的训练样本； 利用以下公式，依据各所述神经元权重参数构建每一所述概率分布下的若干中间神经元，其中，所述神经元权重参数包括输入权重向量和输入偏置系数： 其中，φx为所述中间神经元，x为所述训练样本，w为所述输入权重向量，b为所述输入偏置系数，d为训练样本的特征维度； 所述训练样本x在第j种概率分布下激发的第i个神经元记作 其中，和分别表示第j种概率分布下生成的第i个所述输入权重向量和生成的第i个所述输入偏置系数； 利用以下公式，依据各所述若干中间神经元，构建所述训练数据在各所述概率分布下的复合特征： 其中，Ax为所述复合特征， 为所述训练样本x第m种概率分布下激发的第i个神经元，z为所述神经元权重参数在所述概率分布下的数量； 利用以下公式，计算所述复合特征对应的二阶样本特征： 其中，hx为所述二阶样本特征，Ax为所述复合特征,m为所述概率分布的数量，x为所述训练样本，利用以下公式，构建所述二阶样本特征对应的核矩阵： 所述核矩阵中第i行第j列元素 其中，°表示Hadamard积，和为随机生成的矩阵，其元素为1或者-1，且生成正负1的概率相同，hx为所述二阶样本特征，x为所述训练样本，r＜＜m2，且r为训练样本降维后的维度； 获取待预测样本，依据所述核矩阵以及所述标签向量共同构建的极限学习机模型，对所述待预测样本进行预测，得到预测结果，其中，所述极限学习机模型为进行图像分类的机器学习模型。

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中国科学技术大学先进技术研究院，其通讯地址为：230000 安徽省合肥市高新区望江西路5089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”。