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！

龙图腾网获悉南京大学申请的专利一种判断分类任务深度学习模型预测结果可靠性的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：CN116522098B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310310884.X，技术领域涉及：G06F18/21；该发明授权一种判断分类任务深度学习模型预测结果可靠性的方法是由耿金菊;樊帆;王艳茹;吴刚;钱玉立;于清淼;刘甫;任洪强设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种判断分类任务深度学习模型预测结果可靠性的方法在说明书摘要公布了：本发明公开了一种判断分类任务深度学习模型预测结果可靠性的方法，对于预测样本，通过神经网络模型最后一层神经网络信息找到与其相似性最高的训练集样本，并根据相似性最高的训练集样本是否位于分类边界来判断模型对预测样本的预测结果是否可靠。本发明可以解决在分类任务深度学习模型预测过程中，预测结果可靠性未知导致深度学习模型难以被认可并应用的局限性。本发明的判断分类任务深度学习模型预测结果可靠性的方法准确可信、简单易行且便于理解，对于提升分类任务深度学习模型适用性具有重要意义。

本发明授权一种判断分类任务深度学习模型预测结果可靠性的方法在权利要求书中公布了：1.一种判断分类任务深度学习模型预测结果可靠性的方法，其特征在于，包括以下步骤： 1基于一个构建好的分类任务深度学习模型，其中，所述模型的输入为化合物结构数据，输出为表示化合物属性的类别标签；获取每个训练集样本m相似性最高的训练集样本m'的集合mnearest； 2计算步骤1所述训练集样本m的局部不连续性系数LDSFTm以定位分类边界： 其中，Nneighbor为正整数，表示计算包括相似样本的个数；Sm,m'表示两样本特征之间的相似性；Tm,m'表示两样本之间的类别差异，如果两样本类别相同为0，如果类别不同为1； 3输入至少一个未知样本n到步骤1所述模型中，所述未知样本n为化合物结构数据，获取每个n相似性最高的训练集样本n'的集合nnearest，匹配nnearest中每个n'在步骤2中计算得到的LDSFTn'； 4计算步骤3所述n'的局部不连续性系数均值MLDSn： LDSFTn'大于0为靠近分类边界，代表该样本特征难以被模型准确学习；MLDSn大于0为预测结果不可靠； 所述模型为预测化合物雌激素活性的模型或预测持久性、生物累积性、毒性化合物的模型；所述类别标签为0或1，分别表示化合物不具有或具有特定属性，所述特定属性为化合物雌激素活性或化合物持久性、生物累积性、毒性。

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大学，其通讯地址为：210009 江苏省南京市鼓楼区汉口路22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。