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！

龙图腾网获悉北京理工大学申请的专利多模型机制的神经网络输出后处理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：CN115470883B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202110688138.5，技术领域涉及：G06N3/0442；该发明授权多模型机制的神经网络输出后处理方法是由范世鹏;王因翰;王江;林德福;刘畅设计研发完成，并于2021-06-21向国家知识产权局提交的专利申请。

本多模型机制的神经网络输出后处理方法在说明书摘要公布了：本发明公开了一种多模型机制的神经网络输出后处理方法，其特征在于，通过在神经网络输出层后设置多模型层，多模型层中设置多个模型，多个模型以不同权重对神经网络输出层的结果进行解算后合并，获得最终的回归结果。本发明提供的多模型机制的神经网络输出后处理方法，提高了训练效率，降低了训练初始损失函数，训练过程中损失函数下降快，最终获得的损失函数小。

本发明授权多模型机制的神经网络输出后处理方法在权利要求书中公布了：1.一种多模型机制的神经网络输出后处理方法，其特征在于，通过在神经网络输出层后设置多模型层，多模型层中设置多个模型，多个模型以不同权重对神经网络输出层的结果进行解算后合并，获得最终的回归结果，该方法包括以下步骤： S1、设置多模型层的神经网络； S2、对多模型层的神经网络网络进行训练； S3、获取飞行器和拦截弹运动学信息，将飞行器和拦截弹运动信息转换为多模型机制的神经网络输入信息； S4、将输入信息作为多模型机制的神经网络的输入，通过多模型机制的神经网络输出拦截弹制导律的预测值； S5、飞行器基于所得拦截弹制导律的预测值对拦截弹进行规避； 在步骤S1中，所述设置多模型层的神经网络包括设置神经网络和设置多模型层， 所述神经网络为任意一种已知的神经网络； 所述设置多模型层包括设置多模型层中模型的数量和状态矩阵R，状态矩阵用于记录不同模型的状态值Rj，表示为R＝[R1,R2,…,Rj…,Rp]； 多个模型的状态值分别为: 其中，j表示不同的模型，D表示神经网络需要输出范围的最大值，B表示神经网络需要输出范围的最小值； 在步骤S1中，为每个模型设置权重系数Gj，Gj的具体取值在神经网络训练过程中获得，约束多个模型的权重系数Gj之和，使得权重系数之和为1； 在步骤S2中，多层模型层的输出N为： 其中，G表示不同模型的权重矩阵，R表示模型状态值的状态矩阵； 不同模型的权重矩阵通过下式获得： G＝[G1,G2,…,Gp]T＝swouth+bout 其中，h表示神经网络输出层的输出，wout表示输出层到多模型层的传递矩阵，bout表示输出层的偏置，S表示输出层到多模型层的激活函数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。