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！

龙图腾网获悉福州大学申请的专利基于少样本学习的通用可布线性预测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：CN119272707B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411360708.8，技术领域涉及：G06F30/394；该发明授权基于少样本学习的通用可布线性预测方法是由刘耿耿;林振坤;郭文忠设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本基于少样本学习的通用可布线性预测方法在说明书摘要公布了：本发明涉及一种基于少样本学习的通用可布线性预测方法，属于集成电路计算机辅助设计技术领域。将通用可布线性预测转化为元学习场景，提出了基于少样本学习Few‑ShotLearning,FSL的预测方法。该方法仅需提供查询芯片的特征以及标签对示例集，即可灵活适应于新的预测任务，无需额外的训练。针对电子设计自动化领域普遍存在的数据不平衡问题，本发明还引入了一种基于重要性采样的元学习策略，用于优化模型的训练过程。为了训练所提出的方法，构建了基于CircuitNet和ISPD2015数据集的FSL数据集。

本发明授权基于少样本学习的通用可布线性预测方法在权利要求书中公布了：1.一种基于少样本学习的通用可布线性预测方法，其特征在于，将通用可布线性预测转化为元学习场景，提出基于少样本学习FSL的预测方法，实现查询芯片可布线性预测；所述方法，包括： 任意划分为W×H大小网格的芯片版图的可布线性预测任务定义为其中X表示所使用的芯片特征；任务中包含不同的可布线性度量指标、技术节点、芯片类型、RTL设计； 将通用可布线性预测任务建模为元学习场景，构建一个通用的少样本学习器通过利用与未见芯片设计即查询Xq具有相同RTL设计的芯片数据即支持集适应任意的可布线性预测任务生成精确的可布线性预测模型利用一个包含多种可布线性预测任务的元训练数据集通过元学习对可布线性预测模型进行训练，使可布线性预测模型在经历多次FSL过程中掌握一般性知识； 为充分利用芯片特征与标签之间的空间关联信息，将通用可布线性预测任务建模为密集预测问题使用4个在可布线性预测任务中广泛使用的特征； 针对芯片设计的可布线性预测任务t，可布线性预测模型以查询和同一RTL设计的芯片特征及其标签组成的支持集作为输入；在支持集中，各芯片特征及其标签在通道维度上进行级联，通过交叉块促进支持集和查询之间的信息交互，进而实现可布线性结果的准确预测。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。