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！

龙图腾网获悉安徽财经大学申请的专利一种基于双级神经网络的光纤拉曼放大器增益自适应控制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：CN117829213B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211224998.4，技术领域涉及：G06N3/0464；该发明授权一种基于双级神经网络的光纤拉曼放大器增益自适应控制方法是由穆宽林;王士娟;周健;武岳;殷仕淑设计研发完成，并于2022-09-24向国家知识产权局提交的专利申请。

本一种基于双级神经网络的光纤拉曼放大器增益自适应控制方法在说明书摘要公布了：本发明涉及一种基于双级神经网络的光纤拉曼放大器增益自适应控制方法，包括：获取训练数据；根据训练数据确定双级神经网络拓扑结构；利用训练数据对双级神经网络进行训练；利用训练好的一级神经网络计算放大器目标增益值下的泵浦光功率和波长；利用训练好的二级神经网络计算在一级神经网络输出泵浦光功率和波长下的放大器预测增益值；利用二级神经网络得到的预测增益值同目标增益值相减得到增益误差；循环利用梯度下降法根据增益误差更新神经元链接权重，提高光纤拉曼放大器输出增益值准确度。本发明利用一级神经网络计算放大器目标增益值下的泵浦光功率和波长，利用二级神经网络计算放大器预测增益值，利用梯度下降法根据放大器预测增益值和目标增益值之间的增益误差更新神经元链接权重，最终获得高准确度的放大器输出增益值以及对应的泵浦光功率和波长值。

本发明授权一种基于双级神经网络的光纤拉曼放大器增益自适应控制方法在权利要求书中公布了：1.一种基于双级神经网络的光纤拉曼放大器增益自适应控制方法，其特征在于，包括： 获取训练数据，所述训练数据包括泵浦光波长数据、泵浦光功率数据和对应的光纤拉曼放大器增益值； 根据所述训练数据确定一级神经网络和二级神经网络的拓扑结构，得到初始一级神经网络和初始二级神经网络模型；所述一级神经网络以光纤拉曼放大器增益值为输入层，以泵浦光波长和泵浦光功率为输出层；所述二级神经网络以泵浦光波长和泵浦光功率为输入层，以光纤拉曼放大器增益值为输出层； 利用所述训练数据对一级神经网络和二级神经网络模型进行训练，得到训练好的一级神经网络和二级神经网络模型； 根据所述训练数据确定一级神经网络的拓扑结构，得到初始一级神经网络模型，具体包括： 根据所述训练数据中的光纤拉曼放大器增益值确定一级神经网络模型的输入层； 根据所述光纤拉曼放大器的增益误差确定一级神经网络模型的隐藏层； 根据所述训练数据中的泵浦光的波长数据以及泵浦光的功率数据确定一级神经网络模型的输出层； 根据所述训练数据确定二级神经网络的拓扑结构，得到初始二级神经网络模型，具体包括： 根据所述训练数据中的泵浦光的波长数据以及泵浦光的功率数据确定二级神经网络模型的输入层； 根据所述光纤拉曼放大器的增益误差确定二级神经网络模型的隐藏层； 根据所述训练数据中的光纤拉曼放大器增益值确定二级神经网络模型的输出层； 根据所述训练好的一级神经网络模型计算光纤拉曼放大器在目标增益值下的泵浦光功率和泵浦光波长； 根据所述训练好的二级神经网络模型计算在所述一级神经网络输出泵浦光功率和泵浦光波长下的光纤拉曼放大器预测增益值； 根据所述二级神经网络得到的预测增益值同光纤拉曼放大器的目标增益值相减得到增益误差； 根据所述增益误差结合梯度下降法更新所述一级神经网络和所述二级神经网络各神经元链接权重值，再次计算所述预测增益值和所述目标增益值之间的增益误差，循环利用增益误差和梯度下降法调整神经元链接权重值，最终获得高准确度的放大器输出增益值以及对应的泵浦光功率和波长值； 所述梯度下降法公式为： 其中，Ws,t表示相邻两层的连接权重矩阵，s层在前，t层在后； 相邻两层的误差传播公式为Os和Ot分别表示s层和t层的输出向量。

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安徽财经大学，其通讯地址为：233030 安徽省蚌埠市曹山路962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”。