中国电子口岸数据中心重庆分中心;西南交通大学;中国电子口岸数据中心成都分中心李亮获国家专利权
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！
龙图腾网获悉中国电子口岸数据中心重庆分中心;西南交通大学;中国电子口岸数据中心成都分中心申请的专利一种基于隐藏层变异系数的深度无监督表征学习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：CN116796807B 。
龙图腾网通过国家知识产权局官网在2025-10-24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：202310749386.5，技术领域涉及：G06N3/048；该发明授权一种基于隐藏层变异系数的深度无监督表征学习方法是由李亮;丁雪梅;储节磊;余华设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。
本一种基于隐藏层变异系数的深度无监督表征学习方法在说明书摘要公布了：本发明公开了一种基于隐藏层变异系数的深度无监督表征学习方法，对输入数据X先后经过训练1步GRBM训练和n步covRBM模型训练，即得到输出数据；所述covRBM模型由依次进行的可视层v、隐藏层h、重构可视层重构隐藏层组成；covRBM模型训练的第一个目标是最大化RBM中可视单元的对数似然函数，第二个目标是最大化隐藏层特征对应的变异系数值。本发明的方法将隐藏层的变异系数特征值纳入受限玻尔兹曼机的学习过程中，从而以无监督的方式指导隐藏层的特征分布，克服传统受限玻尔兹曼机无目的学习的缺点，增加可解释性，同时提高模型的表征能力。
本发明授权一种基于隐藏层变异系数的深度无监督表征学习方法在权利要求书中公布了：1.一种基于隐藏层变异系数的深度无监督表征学习方法，其特征在于，用于图像数据的处理，具体是：对输入数据X先后经过训练1步GRBM训练和n步covRBM模型训练，即得到输出数据；所述covRBM模型是本方法的核心部分，covRBM模型由依次进行的可视层v、隐藏层h、重构可视层重构隐藏层组成；covRBM模型训练的第一个目标是最大化RBM中可视单元的对数似然函数，第二个目标是最大化隐藏层特征对应的变异系数值；covRBM模型的目标函数如下： 式中，θ为模型参数，是covRBM模型的可视层数据，vi代表的第i行矢量，N表示样本数量，表示covRBM模型的隐藏层数据，hk表示第k个隐藏特征矢量，表示第k个隐藏特征对应的变异系数值，λ∈0,1是一个比例系数，用于刻画两个训练目标在损失函数中的占比。
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中国电子口岸数据中心重庆分中心;西南交通大学;中国电子口岸数据中心成都分中心，其通讯地址为：401147 重庆市渝北区龙山一路1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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励