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！

龙图腾网获悉舜甫科技集团有限公司申请的专利一种基于数字孪生的多维度中药方剂推荐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：CN120708827B 。

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：202510815457.6，技术领域涉及：G16H20/90；该发明授权一种基于数字孪生的多维度中药方剂推荐方法是由丁旭初设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种基于数字孪生的多维度中药方剂推荐方法在说明书摘要公布了：本发明涉及中医药技术领域，公开一种基于数字孪生的多维度中药方剂推荐方法，包括：步骤1，通过传感器与设备采集中药样品的多维数据，且将采集数据封装为标准化格式文件，上传至云端或本地服务器的分布式数据库；步骤2，对采集的多维数据进行去噪、归一化及缺失值填充处理，生成清洗后数据集；步骤3，将生成的清洗后数据集与标签结合。本发明采用基于增量学习与迁移学习的动态模型调整技术方案，达到在保留历史模型参数基础上对新数据进行快速融合与优化的技术效果，相较于现有技术中需重新初始化模型且全量训练的技术方案，解决传统方法因重复训练导致的计算资源浪费、训练周期冗长及实时性差的不足。

本发明授权一种基于数字孪生的多维度中药方剂推荐方法在权利要求书中公布了：1.一种基于数字孪生的多维度中药方剂推荐方法，其特征在于，包括： 步骤1，通过传感器与设备采集中药样品的多维数据，且将采集数据封装为标准化格式文件，上传至云端或本地服务器的分布式数据库； 步骤2，对采集的多维数据进行去噪、归一化及缺失值填充处理，生成清洗后数据集； 步骤3，将生成的清洗后数据集与标签结合，按预设比例划分为训练集、验证集及测试集； 步骤4，基于生成的训练集，采用增量学习技术对预训练的深度学习模型进行动态调整，所述增量学习将新输入数据与历史训练集合且生成更新后的训练集，在已有模型参数基础上通过迁移学习算法进行增量训练； 所述步骤4中，增量学习模型训练进一步包括： 子步骤4.1，将新输入数据与历史训练集合并，生成更新后的训练集： ， 其中，为新数据样本数，为历史数据样本数，为特征维度； 子步骤4.2，模型参数继承与初始化：由预训练模型中加载参数，保留全部参数作为初始值，其中： 为模型参数量，为预训练模型参数向量； 子步骤4.3，弹性权重迁移学习训练：基于更新后的训练集，通过弹性权重巩固算法优化模型参数： , 其中，为交叉熵损失函数，为参数的Fisher信息矩阵对角元素，为惩罚系数，为模型的总损失函数，为模型的参数向量，为模型参数的总数量，为模型当前第i参数的值，为旧模型中第i参数的值； 步骤5，对增量训练后的模型，使用划分的验证集进行参数微调； 所述步骤5中，模型参数微调进一步包括： 子步骤5.1，验证数据分批加载： 由步骤3划分的验证集中按小批量大小B抽取数据批次，其中： 为验证集样本总数，为小批量样本数，为第j样本的特征向量，为第j样本的中药类别标签； 子步骤5.2，弹性权重微调更新：基于子步骤5.1加载的批次数据，在增量训练后的模型参数基础上，通过弹性权重损失函数更新参数： ， 其中，为微调后的模型参数，为学习率，为交叉熵损失函数，为参数的Fisher信息矩阵对角元素，为惩罚系数，为模型的总损失函数，为模型的参数向量，为模型参数的总数量，为模型当前第i参数的值，为旧模型中第i参数的值； 子步骤5.3，自适应学习率调整：采用Adam优化器动态调整学习率，基于一阶动量与二阶动量计算参数更新量： ， ， ， 其中，、为动量衰减率，为数值稳定性常数，为损失函数对参数的梯度，为损失函数梯度的平方，为更新后的模型参数，为更新前的模型参数； 步骤6，对微调后的模型，利用划分的测试集进行性能评估； 步骤7，将待识别中药数据输入优化后的深度学习模型，输出中药种类、产地及采收时间的类别预测结果。

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舜甫科技集团有限公司，其通讯地址为：100162 北京市大兴区黄村镇京开路318-354号1层336；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。