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基于DNN双层优化的数据去噪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：CN119293401B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202411211638.X，技术领域涉及：G06F16/215；该发明授权基于DNN双层优化的数据去噪方法是由李宏;高卫峰;王厚强;谢晋设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本基于DNN双层优化的数据去噪方法在说明书摘要公布了：基于DNN双层优化的数据去噪方法，具体包括如下操作步骤：获取数据集并对数据集进行归一化处理，得到初始数据；利用分层随机算法将初始数据划分为训练集、验证集和测试集；基于初始数据和DNN神经网络构建双层网络模型；将训练集输入双层网络模型进行训练，得到优化网络模型；将验证集输入优化网络模型进行验证，得到最优网络模型；将测试集输入最优网络模型进行测试，得到测试结果；解决了现有技术中存在的高维数据中存在大量的冗余信息和干扰信息影响数据准确性和可靠性问题。

本发明授权基于DNN双层优化的数据去噪方法在权利要求书中公布了：1.基于DNN双层优化的数据去噪方法，其特征在于，具体包括如下步骤： 步骤1、获取数据集并将所述数据集进行归一化处理，得到初始数据，所述数据集包括生物信息、人脸识别信息、语音识别信息和医学诊断信息； 步骤2、利用分层随机算法将所述初始数据划分为训练集、验证集和测试集； 步骤3、基于所述初始数据和DNN神经网络构建双层网络模型； 步骤4、将所述训练集输入双层网络模型进行训练，得到优化网络模型； 步骤5、将所述验证集输入优化网络模型进行验证，得到最优网络模型； 步骤6、将所述测试集输入最优网络模型进行测试，得到测试结果； 步骤3中所述双层网络模型分为上层和下层，所述上层包括上层目标函数和非对称竞争遗传算法；所述下层包括下层目标函数和Adam算法； 所述上层目标函数由三部分组成，第一部分为验证集错误率： 1； 式1中，表示验证集错误率，取值为[0,1]；表示验证集中分类错误的样本数量；表示验证集样本数量；表示特征选择编码；Ω表示网络结构；W*表示最优网络参数； 第二部分为特征选择比例： 2； 式2中，表示特征选择比例，取值为[0,1]；表示特征选择编码，表示第i个特征被选择，D表示特征选择编码的总长； 第三部分是网络复杂度指标： 3； 4； 式3和式4中，表示网络复杂度指标，取值为[0,1]；表示网络连接的总数，表示实际的网络连接数；表示DNN的输入节点数量；表示DNN的输出节点数量；表示模型中预设的网络隐层数量的上界；表示所有隐藏层中预设的最大节点数； 非对称竞争遗传算法对上层目标函数进行优化： 5； 式5，表示上层目标函数，分别表示、、对于上层目标函数的贡献度； 所述下层目标函数为： 6； 式6中，表示训练样本的数量；O表示训练样本的网络输出；T表示训练样本的标签。

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。