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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深度学习预测神经网络训练时长的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：CN113887717B 。

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：202111020175.5，技术领域涉及：G06N3/082；该发明授权一种基于深度学习预测神经网络训练时长的方法是由王鑫;曾艳;袁俊峰;张纪林;万健设计研发完成，并于2021-09-01向国家知识产权局提交的专利申请。

本一种基于深度学习预测神经网络训练时长的方法在说明书摘要公布了：本发明公开了一种基于深度学习预测神经网络训练时长的方法，为大规模集群中的深度学习任务训练时长提供预测以优化集群调度策略。本发明首先分析神经网络的结构特性和训练过程的计算组成，构建以单层网络训练时长为基本单位的完整神经网络训练时长的计算模型，为利用单层模型特征预测具备不同结构的神经网络训练时长提供支持；其次，分析模型特征和训练时长的关系，设计多层感知机模型用以提取模型特征对训练时长的影响；最后，根据模型特征对训练时长的影响，制定降维规则用以提取对训练时长影响较大的关键特征，降低模型特征的维度，并利用降维后的模型特征训练深度学习模型用以预测分布式环境下的神经网络训练时长。

本发明授权一种基于深度学习预测神经网络训练时长的方法在权利要求书中公布了：1.一种基于深度学习预测神经网络训练时长的计算资源动态调整方法，其特征在于，所述方法包括以下步骤： 1结合神经网络训练过程的计算组成和神经网络的层次性结构特征，构建以单层网络训练时长为基本单位的完整网络训练时长的计算模型；分析影响单层网络训练时长的模型特征； 所述训练过程的计算组成指神经网络正向传播和反向传播计算过程，层次性结构特征是指神经网络结构上以层次为基本单位，整体网络的运算通过层次运算传递得到；所述模型特征指单层网络的超参数设置； 2分析模型特征和训练时长的关系，设计多层感知机模型用以提取模型特征对神经网络训练时长的影响； 其中，所述多层感知机模型以下简称为权重模型，所述模型特征对神经网络训练时长的影响简称为特征权重； 3利用权重模型提取特征权重，根据特征权重的大小排名构建能够衡量模型特征对训练时长总体影响力的评价指标，基于评价指标设计降维规则实现模型特征降维，使用降维处理后的模型特征训练深度学习模型用以预测单层神经网络训练时长； 4根据集群内神经网络的训练时长来实现计算资源动态调整； 所述评价指标包括对特征权重总体排名的评价和对特征权重排名总体波动程度的评价；为方便称呼，所述用以预测单层神经网络训练时长的深度学习模型以下简称为时间预测模型。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街；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”。