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！

龙图腾网获悉陕西师范大学申请的专利基于生成对抗网络的新增学习情境识别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：CN116956999B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310928932.1，技术领域涉及：G06N3/045；该发明授权基于生成对抗网络的新增学习情境识别方法是由郭龙江;王璟馨;李普;李津;任美睿;张立臣;刘勇设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本基于生成对抗网络的新增学习情境识别方法在说明书摘要公布了：一种基于生成对抗网络的新增学习情境识别方法，由数据预处理、构建组合神经网络、训练组合神经网络、测试组合神经网络、组合神经网络性能评估步骤组成。由于本发明应用了生成对抗网络，将该网络应用于内外分布检测神经网络的训练中，有利于内外分布检测神经网络在对抗学习中交替迭代参数、取得更好的分类结果，有效地区分了内、外分布样本，有利于后续用零样本学习神经网络对新增学习情境的分类。本发明具有网络结构较简单、网络性能较好、适用范围较广等优点，可用于移动学习资源智能推荐等应用场景。

本发明授权基于生成对抗网络的新增学习情境识别方法在权利要求书中公布了：1.一种基于生成对抗网络的新增学习情境识别方法，其特征在于是由以下步骤组成： 1预处理数据 数据集来源于50位志愿者使用数据采集APP在不同地点收集到的学习情境数据集L，学习情境特征集合X如下： X＝{x1,x2,...,xn} 其中，xn表示第n条学习情境的特征，1≤n≤N，N表示所有的学习者数量，N取值至少为30000； 学习情境特征对应的标签集合Y如下： Y＝{y1,y2,...,yn} 其中，yn表示第n条学习情境特征对应的标签； 对学习情境数据集L进行预处理如下： 1填充缺失值 对数据集中的缺失值用0进行填充； 2归一化处理向量 按式1归一化处理向量 其中，xi表示X中的向量，1≤i≤N； 3转换标签 标签集合Y中含有9类标签，用数字0～8表示，0表示教室，1表示实验室，2表示宿舍，3表示图书馆，4表示餐厅，5表示体育馆，6表示户外，7表示超市，8代表示体育场，用独热编码将标签转换为一维向量； 4划分数据集 将学习情境数据集L划分为训练时使用的可见类别7类和训练时模型不可见的类别2类，标签为0～6的数据作为可见类别，标签为7和8的数据作为不可见类别，从可见类别中取80％作为训练集，其余20％和不可见的2类数据一起作为测试集； 2构建组合神经网络 组合神经网络由生成对抗网络与内外分布检测神经网络、内分布分类神经网络、零样本学习神经网络构成；生成对抗网络的输出端与内外分布检测神经网络的输入端相连，内外分布检测神经网络的输出端一路与内分布分类神经网络的输入端相连、另一路与零样本学习神经网络的输入端相连； 3训练组合神经网络 按下式构建损失函数lossOOD： 其中，Finx表示内分布，FGx表示生成器拟合的新分布，表示Foutx表示外分布，D1和D2表示两个判别器，hx表示分类器分类结果，为一维向量，y表示分布对应的标签，在向量hx中对应不同的维度，hy∣x表示向量中的第y维度，U表示均匀分布，KL表示计算散度,ω、δ、α1和α2为超参数； 将训练集输入到组合神经网络中进行训练，训练批量大小为[16,128]，学习率为0.0002，权重衰减为0.0，训练至损失函数收敛； 4测试组合神经网络 将测试集输入到训练好的组合神经网络，输出新增学习情境识别结果； 5组合神经网络性能评估 使用神经网络中误分类和偏离分布样例检测的基线检测器来评估训练好的组合神经网络在测试集上的效果。

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陕西师范大学，其通讯地址为：710062 陕西省西安市长安南路199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。