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！

龙图腾网获悉南京航空航天大学申请的专利一种基于神经网络可解释性的自动模型强化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：CN119761453B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411215713.X，技术领域涉及：G06N3/092；该发明授权一种基于神经网络可解释性的自动模型强化方法是由顾晶晶;宋昊成;刘阳设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本一种基于神经网络可解释性的自动模型强化方法在说明书摘要公布了：本发明公开了一种基于神经网络可解释性的自动模型强化方法。方法包括：对PytorchFI进行二次开发，基于IEEE754标准进行故障注入，并搭建故障测试环境，开发用于模型权重的批量故障注入工具和冗余加固工具；基于强化学习构建模型，设计代理与神经网络模型交互的标准马尔可夫决策过程，包括状态空间、动作空间和奖励函数等内容；利用SAC算法作为神经网络架构搜索算法，探索层内卷积核的冗余比例；基于神经元积分梯度方法，计算卷积核的重要性并排序；结合SAC算法和神经网络可解释性设计自动模型强化框架，对重要的卷积核进行冗余加固。本发明实现了基于神经网络可解释性的模型强化，能够准确识别卷积核的重要性和冗余需求，提高模型的容错能力和鲁棒性，具有更高的故障检测率和更低的时空开销，适用于多种卷积神经网络架构。

本发明授权一种基于神经网络可解释性的自动模型强化方法在权利要求书中公布了：1.一种基于神经网络可解释性的自动模型强化方法，其特征在于，所述方法包括以下步骤： 步骤1，对PytorchFI进行二次开发，以模拟硬件故障，并搭建故障测试环境； 步骤2，开发用于模型权重的批量故障注入工具，以实现对模型中的多个权重进行同时注入故障，用于模型容错能力的测试和建立容错测试环境；同时，开发卷积核冗余加固工具，通过冗余加固增强模型的容错能力，实现模型容错机制的自动化； 步骤3，基于强化学习算法构建一个强化学习模型，设计代理与神经网络模型交互的标准马尔可夫决策过程； 步骤4，训练优化强化学习SAC算法以探索并预测神经网络中各层卷积核的冗余比例，确定最优的卷积核冗余比例； 步骤5，基于神经元积分梯度方法，计算每个卷积核的重要性得分，并根据得分对卷积核进行降序排列，识别出对模型性能影响最大的卷积核作为关键卷积核； 步骤6，结合强化学习SAC算法和神经网络可解释性原理，设计自动模型强化框架，对卷积核进行冗余加固；具体包括： 步骤6-1，基于步骤3的方式将SAC代理与神经网络模型交互的过程设计为一个标准的马尔可夫决策过程； 步骤6-2，对于每一层，利用步骤4的强化学习SAC算法进行逐层搜索，预测当前层关键卷积核的比例； 步骤6-3，利用步骤5的方式计算当前层的卷积核重要性并排序，定位关键卷积核的位置； 步骤6-4，利用步骤2中的卷积核冗余加固工具对当前层的关键卷积核进行冗余加固，之后将模型发送到步骤1建立的故障测试环境，以容错测试结果作为奖励，激励代理更新策略，并立即进行下一层的搜索与优化； 步骤6-5，当所有层遍历完后，再次利用步骤2中的卷积核冗余加固工具对遍历过程中更新后的关键卷积核进行TMR备份。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。