上海交通大学廖昊然获国家专利权
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！
龙图腾网获悉上海交通大学申请的专利基于多保真度贝叶斯优化的图像识别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：CN115346061B 。
龙图腾网通过国家知识产权局官网在2025-12-12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：202110514974.1，技术领域涉及：G06V10/764；该发明授权基于多保真度贝叶斯优化的图像识别方法是由廖昊然;严骏驰设计研发完成，并于2021-05-12向国家知识产权局提交的专利申请。
本基于多保真度贝叶斯优化的图像识别方法在说明书摘要公布了：一种基于多保真度贝叶斯优化的图像识别方法，在进行数据拟合之前，先进行病态条件数检测，从而提升算法推断效力，增加算法计算过程的鲁棒性，并且提升最终模型效果。结合神经网络中间信息，即误差值和黑塞矩阵主特征值作为保真度，从而提升多保真度的有效性，增强模型拟合效果，减少贝叶斯优化算法的时耗，并最终提升模型预测的泛化性。本发明通过贝叶斯优化耗时问题，从而实现时耗可接受的迁移学习能力，同时通过训练自动化，从而保障数据隐私，节省人力成本。
本发明授权基于多保真度贝叶斯优化的图像识别方法在权利要求书中公布了：1.一种基于多保真度贝叶斯优化的图像识别方法，其特征在于，包括： 步骤1根据超参数搜索范围，从超参数搜索域中随机采样，每次并行训练M个神经网络，每个网络训练一个步长，分别得到一个预测误差，然后通过训练后的神经网络计算当前黑塞矩阵主特征值，得到初始观测集合； 步骤2对步骤1中的初始观测集合进行检验，判断是否存在病态条件数问题；当条件数超过阈值，则对观测集合进行筛选，降低协方差矩阵条件数； 步骤3在每一个推断周期中，使用基于超参数和神经网络状态两个变量组成的乘积核的高斯过程拟合步骤2中的观测集合，得到变量后验分布，然后使用基于期望的采集函数推断下一个查询点； 步骤4在每一个查询周期中，使用步骤1并行训练的M个神经网络进行训练，得到预测误差和当前的黑塞矩阵主特征值，其中：M代表并行训练的模型数且满足M*N=超参数维度+保真度维度*3，N代表训练周期； 步骤5将最新的观测点加入步骤3中的观测集合，并重复步骤2到步骤4，直至M个神经网络得到充分训练后，对搜索到的超参数组进行图像识别。
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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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