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！

龙图腾网恭喜深圳前海微众银行股份有限公司申请的专利深度学习模型的处理方法、装置、设备和存储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：CN112580781B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202011469107.2，技术领域涉及：G06N3/0464；该发明授权深度学习模型的处理方法、装置、设备和存储介质是由范力欣;周雨豪;刘畅;张天豫;杨强设计研发完成，并于2020-12-14向国家知识产权局提交的专利申请。

本深度学习模型的处理方法、装置、设备和存储介质在说明书摘要公布了：本发明公开了一种深度学习模型的处理方法、装置、设备和存储介质，所述方法包括：对于深度学习模型，根据从特征提取器以及分类器中提取一些中间层的特征输出以及最终输出，计算深度学习模型对每种特征的信息增益，稀疏性参数以及完备性参数。并根据中间层的输出进行树模型训练，得到解释模型，并对解释模型的叶节点进行测试，得到该解释模型的分类准确度，计算所述解释模型的每个叶节点能够正确分类的样本占所有样本中对应类别样本的数量比，得到树完备性参数。最后将得到的特征的信息增益，稀疏性参数，完备性参数，树准确度以及树完备性这些可以对模型进行评估的指标进行输出，从而提供一种对深度学习模型进行量化分析和解释的工具。

本发明授权深度学习模型的处理方法、装置、设备和存储介质在权利要求书中公布了：1.一种深度学习模型的处理方法，其特征在于，包括： 将预先获取到的数据集输入待处理的原始卷积神经网络模型中，获取所述原始卷积神经网络模型对每种特征的信息增益，稀疏性参数以及完备性参数；其中，所述数据集中包括多种特征的数据，每种特征的信息增益用于表示所述特征区分数据样本的能力，每种特征的稀疏性参数用于表示特征之间的独立程度，每种特征的完备性参数用于表示所述特征对所述原始卷积神经网络模型的影响程度，所述原始卷积神经网络模型用于医疗图像识别； 从所述原始卷积神经网络模型中提取出特征提取器的输出以及分类器的输出，并将所述特征提取器的输出以及所述分类器的输出作为训练数据进行树模型训练，得到解释模型； 对所述解释模型的叶节点的分类准确度进行测量，得到树准确度，所述树准确度用于指示所述解释模型的分类准确度； 计算所述解释模型的每个叶节点能够正确分类的样本占所有样本中对应类别样本的数量比，得到树完备性参数； 输出所述每种特征的信息增益，所述每种特征的稀疏性参数，所述每种特征的完备性参数，所述树准确度以及所述树完备性参数； 根据所述每种特征的信息增益，所述每种特征的稀疏性参数，所述每种特征的完备性参数，所述树准确度以及树完备性参数进行可视化处理，得到用于提供与所述原始卷积神经网络模型的性能相关的解释的雷达图； 通过用户的终端设备输出所述雷达图，以向所述用户量化解释所述原始卷积神经网络模型在医疗图像识别中的具体效果和功能。

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深圳前海微众银行股份有限公司，其通讯地址为：518027 广东省深圳市前海深港合作区前湾一路1号A栋201室；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”。