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！

龙图腾网获悉北京邮电大学申请的专利一种基于多任务学习的光路传输质量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：CN114330456B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202210006845.6，技术领域涉及：G06F18/21；该发明授权一种基于多任务学习的光路传输质量预测方法是由纪越峰;史亚男;谷志群;张佳玮设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种基于多任务学习的光路传输质量预测方法在说明书摘要公布了：本发明公开了一种基于多任务学习的光路传输质量预测方法，同时考虑网络可靠性和预测模型准确度，设计了一种多任务损失函数，并利用联合训练的方式训练模型，进一步降低了模型的误差和设计余量，提升了模型的准确度，在保证网络可靠性的同时实现网络容量提升。相比于传统的基于单任务的QoT估计模型而言，本专利提出的方案可以在保证模型可靠性的同时提高准确度，从而实现提高光路调制格式的分配效率以及提升光网络容量的目的。

本发明授权一种基于多任务学习的光路传输质量预测方法在权利要求书中公布了：1.一种基于多任务学习的光路传输质量预测方法，其特征在于，将多任务学习机制应用到基于ANN的QoT估计过程中，模型输入为信号和光路相关信息，模型输出为光路的QoT值；设计一种多任务损失函数，并利用联合训练的方式训练模型，其中一个任务的损失函数Loss1为均方误差函数MSE，如公式1所示，用于关注提升模型的平均准确度；另一个任务的损失函数为Loss2，如公式3所示；在MSE的基础上引入正则化项Ix，如公式2所示，以实现保证网络可靠性、降低设计余量，即模型的最大正偏差的目的；总的损失函数为两个损失函数的加权和，表示为Loss，如公式4所示； Loss＝βLoss1+1-βLoss24 其中y表示真实值，表示预测值，α为大于0的惩罚系数，β为0到1之间的常数； 模型的联合训练步骤如下： 第一步：初始化多任务学习模型结构，设置模型的超参数，并为每层随机初始化权值； 第二步：将训练数据的输入值及其对应的标签值输出到模型中，根据前向传播算法，得到模型对应的预测值； 第三步：根据损失函数Loss1和Loss2计算模型预测值和给定标签值之间的误差，并计算联合损失函数Loss值； 第四步：根据Loss值采用随机梯度下降法调整神经元的权值，使模型的联合误差最小； 第五步：将训练数据集在模型间的前向传递和反向传播进行重复，更新神经元的权值，使每次学习迭代的联合损失值最小；经过一定的学习过程迭代后，将完整的多任务学习模型应用于新的输入数据集来预测目标值。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。