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！

龙图腾网获悉中国人民解放军火箭军工程大学申请的专利地磁梯度张量深度表征学习方法及其系统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：CN120763607B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511297187.0，技术领域涉及：G06F18/2137；该发明授权地磁梯度张量深度表征学习方法及其系统是由曾小牛;牛超;刘继昊;张云;姜楠;刘天佑;李岩玮设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本地磁梯度张量深度表征学习方法及其系统在说明书摘要公布了：本发明公开了地磁梯度张量深度表征学习方法及其系统，属于信息处理技术领域，方法包括：获取磁性物体的地磁三分量数据矩阵并建立原始梯度张量数据集；基于原始梯度张量数据集生成梯度矩阵，对梯度矩阵进行正交分解，得到相互独立的旋转等变特征与方向敏感特征；将旋转等变特征与方向敏感特征输入旋转等变卷积神经网络进行特征提取；构建包含角度约束损失函数和方向约束损失函数的几何约束损失函数，优化训练网络；基于训练后的网络对地磁梯度张量数据进行深度表征，创新的梯度矩阵正交分解技术，解决了旋转不变性与方向敏感性难以兼顾的问题，特征表征准确度提高约30‑40%，处理速度提升2‑3倍，抗干扰能力显著增强。

本发明授权地磁梯度张量深度表征学习方法及其系统在权利要求书中公布了：1.地磁梯度张量深度表征学习方法，其特征在于，包括： 获取磁性物体的地磁三分量数据矩阵，并根据所述地磁三分量数据矩阵建立原始梯度张量数据集； 基于所述原始梯度张量数据集，生成梯度矩阵，并对所述梯度矩阵进行正交分解，得到旋转等变特征与方向敏感特征，其中所述旋转等变特征与所述方向敏感特征相互独立； 将所述旋转等变特征与所述方向敏感特征输入旋转等变卷积神经网络进行特征提取，得到特征表示； 构建包含角度约束损失函数和方向约束损失函数的几何约束损失函数，并通过优化所述几何约束损失函数对所述旋转等变卷积神经网络进行训练； 基于训练后的所述旋转等变卷积神经网络，对输入的地磁梯度张量数据进行深度表征，得到目标梯度张量特征； 所述基于所述原始梯度张量数据集，生成梯度矩阵，并对所述梯度矩阵进行正交分解，得到旋转等变特征与方向敏感特征，具体包括： 对所述原始梯度张量数据集进行预处理，包括零均值化和单位幅度归一化； 将预处理后的所述原始梯度张量数据集转换为梯度矩阵形式； 构建正交分解矩阵，其中R为正交分解矩阵，G为所述梯度矩阵，W为所述旋转等变特征，为所述梯度矩阵的转置； 通过特征值分解，将所述梯度矩阵分解为由所述旋转等变特征与所述方向敏感特征相互独立的双通道信息，其中所述旋转等变特征维度为原始梯度张量维度的4倍，所述方向敏感特征维度为原始梯度张量维度的2倍。

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人民解放军火箭军工程大学，其通讯地址为：710025 陕西省西安市灞桥区洪庆同心路2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。