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！

龙图腾网获悉合肥工业大学申请的专利基于物理信息和证据学习的动态测量不确定度量化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：CN119004033B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411157262.9，技术领域涉及：G06F18/20；该发明授权基于物理信息和证据学习的动态测量不确定度量化方法是由夏豪杰;陈文浩;丁垠冶;宋仁成;余鑫;许非凡设计研发完成，并于2024-08-22向国家知识产权局提交的专利申请。

本基于物理信息和证据学习的动态测量不确定度量化方法在说明书摘要公布了：本发明公开了一种基于物理信息和证据学习的动态测量不确定度量化方法，包括以下步骤：步骤1、基于目标动态系统得到约束神经网络输出结果的目标函数，并得到训练数据集、测试数据集；步骤2、基于证据理论量化不确定度方法，构建生成四个独立的前馈神经网络，利用训练数据集对前馈神经网络进行训练，得到四个训练好的前馈神经网络构成的动态系统模型；步骤3、将测试数据集输入至动态系统模型，根据四个训练好的前馈神经网络输出的证据分布的张量，计算得到预测结果的总不确定度。本发明提高了神经网络的泛化能力和物理可解释性，避免了传统方法中由于不确定度传播对于模型输入的依赖性而导致最终不确定度变化趋势和模型输入相同的情况。

本发明授权基于物理信息和证据学习的动态测量不确定度量化方法在权利要求书中公布了：1.基于物理信息和证据学习的动态测量不确定度量化方法，其特征在于，包括以下步骤： 步骤1、基于目标动态系统的结构和物理信息，建立目标动态系统输出结果的偏微分方程，根据所述偏微分方程得到用于约束后续神经网络输出结果的目标函数； 并且，对目标动态系统进行仿真实验，以仿真实验时输入目标动态系统的输入信号和目标动态系统相应的输出信号构建训练数据集； 并且，对目标动态系统进行真实实验，以真实实验时输入目标动态系统的输入信号和目标动态系统相应的输出信号构建测试数据集； 步骤2、基于证据理论量化不确定度的方法，构建生成四个独立的前馈神经网络，然后利用步骤1构建的训练数据集分别对每个前馈神经网络进行训练，训练数据集输入每个前馈神经网络时，由每个前馈神经网络输出预测值张量和证据分布参数的张量，并且四个前馈神经网络输出的张量维度相同； 并且，基于证据回归理论设计每个前馈神经网络训练时的数据驱动损失函数，并以最小化步骤1得到的目标函数的均方误差损失构建偏微分损失，由数据驱动损失函数和偏微分损失构建每个前馈神经网络训练时的总损失函数；每个前馈神经网络训练时基于总损失函数计算结果更新优化网络参数，由此得到四个训练好的前馈神经网络构成的动态系统模型； 步骤3、将步骤1得到的测试数据集输入至步骤2得到的所述动态系统模型，根据动态系统模型中四个训练好的前馈神经网络输出的证据分布的张量，计算得到所述动态系统模型预测结果的总不确定度。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。

以上内容由龙图腾AI智能生成。