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！

龙图腾网获悉西安电子科技大学申请的专利一种基于深度学习算法的模拟均衡器优化设计方法、系统、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：CN119720906B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411795184.5，技术领域涉及：G06F30/367；该发明授权一种基于深度学习算法的模拟均衡器优化设计方法、系统、设备及介质是由詹劲松;杨英豪;胡为;董绍峰;张恩霖设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于深度学习算法的模拟均衡器优化设计方法、系统、设备及介质在说明书摘要公布了：一种基于深度学习算法的模拟均衡器优化设计方法、系统、设备及介质，该方法首先通过均衡器电路电磁响应曲线对逆向神经网络进行训练，通过训练好的逆向神经网络生成额外的均衡器电路参数数据，并与原始仿真数据组合成新的数据集，以达到解决仿真软件耗时过长的问题，通过此新的数据集对正向神经网络进行训练，训练好的正向神经网络输出预测的均衡器电磁响应曲线，将其与目标均衡器电磁响应曲线相比较，符合条件即利用逆向神经网络生成实际符合条件的均衡器电路参数，并完成设计；系统、设备及介质用于承载和实现所述方法；本发明通过深度学习方法优化设计流程，实现了电路设计的自动化，减少设计时间和计算复杂度。

本发明授权一种基于深度学习算法的模拟均衡器优化设计方法、系统、设备及介质在权利要求书中公布了：1.一种基于深度学习算法的模拟均衡器优化设计方法，其特征在于，包括以下步骤： 步骤1、将随机生成的均衡器电路的电磁响应曲线作为逆向神经网络的输入，用以训练逆向神经网络，得到训练好的逆向神经网络，利用训练好的逆向神经网络生成额外均衡器电路参数数据； 步骤2、利用步骤1训练好的逆向神经网络生成的额外均衡器电路参数数据与原始的仿真数据组合成新的数据集，新的数据集用于训练正向神经网络，达到收敛条件后，得到训练好的正向神经网络； 步骤3、将期望得到的均衡器电路电磁响应曲线输入至步骤1训练好的逆向神经网络中，经逆向神经网络生成预测的均衡器电路参数数据，再将生成的预测的均衡器电路参数数据输入至步骤2训练好的正向神经网络中，正向神经网络输出预测的实际的均衡器电路电磁响应曲线；最后再将预测的实际的均衡器电路电磁响应曲线输入至步骤1训练好的逆向神经网络中，得到实际的均衡器电路参数数据；最终得到经逆向神经网络预测的实际的均衡器电路参数数据以及正向神经网络预测的实际的均衡器电路电磁响应曲线。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。