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！

龙图腾网获悉北京理工大学申请的专利一种反演蜂窝等效介电常数的神经网络的训练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：CN116306890B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310044105.6，技术领域涉及：G06N3/084；该发明授权一种反演蜂窝等效介电常数的神经网络的训练方法是由杨明林;张玉新;袁晓伟;盛新庆设计研发完成，并于2023-01-29向国家知识产权局提交的专利申请。

本一种反演蜂窝等效介电常数的神经网络的训练方法在说明书摘要公布了：本发明公开了一种反演蜂窝等效介电常数的神经网络的训练方法，通过正交法设计以蜂窝壁厚度和相对介电常数为变量的样本模型，使用基于H‑S理论的均质法对蜂窝结构进行均质等效，得到等效介电常数，利用已开发的合元极方法计算出相应的电磁散射数据，从而生成蜂窝样本数据集，通过搭建Pytorch深度学习框架来完成神经网络的训练学习。该神经网络可以依据目标模型的电磁散射数据，精确反演得到等效介电常数，仅需要有限数量的数值样本即可训练神经网络，并且可以快速准确的预测未知参数，解决问题的灵活度和泛化能力比较好。

本发明授权一种反演蜂窝等效介电常数的神经网络的训练方法在权利要求书中公布了：1.一种反演蜂窝等效介电常数的神经网络的训练方法，其特征在于，具体步骤包括： 步骤1、测量蜂窝单元的内壁平行边间距和外壁平行边间距的取值范围，在取值范围内均匀取样N组，取M组蜂窝介质的相对介电常数，正交组成M×N组蜂窝数据样本； 计算每组蜂窝数据样本的等效介电常数，作为神经网络的期望输出；根据等效介电常数，采用合元极方法计算电磁散射数据，作为神经网络的输入； 步骤2、搭建深度学习框架，作为待训练的神经网络；将电磁散射数据输入神经网络；神经网络输出等效介电常数，与步骤1中的等效介电常数比较，得到优化函数小于设定阈值的神经网络； 步骤1中计算等效介电常数的方式为： 建立蜂窝的空间坐标系xyz，x轴与y轴垂直于蜂窝壁方向，z轴平行于蜂窝孔格方向；计算蜂窝壁的填充因数，根据填充因数、蜂窝介质的介电常数和空气介电常数，计算x轴、y轴和z轴方向的介电常数，以确定等效介电常数； x轴和y轴的等效介电常数等于横向介电常数ε⊥，所述横向介电常数ε⊥的公式为： 其中，εa为蜂窝介质的介电常数，ε0为空气介电常数；g为蜂窝壁的填充因数，根据内壁平行边间距和外壁平行边间距计算； z轴的等效介电常数为： εz＝gεa+1-gε0 蜂窝的等效介电常数为：

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。