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！

龙图腾网获悉西安电子科技大学申请的专利一种面向天线罩代理模型的神经网络架构搜索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：CN119047332B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411286402.2，技术领域涉及：G06F30/27；该发明授权一种面向天线罩代理模型的神经网络架构搜索方法是由张树新;钟颖;谭育正;李鹏;张文武;袁航;许万业;王伟设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种面向天线罩代理模型的神经网络架构搜索方法在说明书摘要公布了：本发明公开了一种面向天线罩代理模型的神经网络架构搜索方法，包括以下步骤；向神经网络模型中输入训练集、验证集、预测集、搜索空间参数；训练神经网络模型；计算多任务冲突矩阵；根据多任务冲突矩阵计算指示矩阵；根据计算后的指示矩阵生成调制模块；判断当前神经网络模型是否满足最大模型限制；将调制模块添加至神经网络模型中；使用训练集对新添加的调制模块进行训练，完成预训练；输出并保存当前神经网络模型架构及其参数；将待检测的天线罩样本输入训练好的神经网络模型中；根据读入的待检测的天线罩样本生成预测值，输出预测结果。本发明有效缓解了梯度冲突，灵活实现了模型架构搜索，可用于后续的详细优化过程。

本发明授权一种面向天线罩代理模型的神经网络架构搜索方法在权利要求书中公布了：1.一种面向天线罩代理模型的神经网络架构搜索方法，其特征在于，包括以下步骤； 步骤1：向神经网络模型中先后分别输入训练集、验证集和预测集，搜索空间参数； 步骤2：利用训练数据集训练神经网络模型； 步骤3：通过训练后的所述神经网络模型，计算多任务冲突矩阵； 步骤4：根据所述多任务冲突矩阵计算指示矩阵； 步骤5：根据计算后的指示矩阵生成调制模块； 步骤6：判断当前神经网络模型是否满足最大模型限制；如果当前模型的参数量低于该限制，则继续进行后续步骤；如果当前模型的参数量等于该限制，则需要终止当前模型的构建过程并转到步骤9； 步骤7：将步骤5中生成的调制模块添加至神经网络模型中； 步骤8：使用训练数据集对新添加的调制模块进行训练，完成预训练后转到步骤2； 步骤9：输出并保存当前神经网络模型架构及其参数； 步骤10：将待检测的天线罩样本输入训练好的神经网络模型中； 步骤11：根据读入的待检测的天线罩样本生成预测值，输出预测结果； 所述步骤2中，初始化训练集以及共享层网络，利用训练集训练共享层网络并使用早停策略至收敛； 步骤2中所述的训练神经网络具体为： 使用训练集Dtrain对模型参数进行训练，并且使用早停机制对其损失进行监控，其中早停机制监控在50个训练轮次上损失没有改善则自动终止训练； 所述步骤3中，对步骤2中得到的训练后的神经网络模型利用验证集计算多任务梯度冲突矩阵C，使用验证集Dval在步骤2所训练好的模型上计算反向传播的梯度，其中关于任务i的梯度为gradi、任务j的梯度为gradj； 计算任务梯度之间的梯度冲突通过如下公式： conflict＝cosgradi,gradj 通过计算两两任务间的梯度冲突得到多任务梯度冲突矩阵C，C为对称矩阵； 其中冲突矩阵元素Cij计算公式如下： Cij＝cosgradi,gradj 其中，cosgradi,gradj代表梯度向量i和梯度向量j之间的余弦值，其值大小代表任务i与任务j之间冲突程度，值越小越冲突。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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。