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！

龙图腾网获悉清华大学申请的专利用于机器学习模型的方法、装置、设备和存储介质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：CN121072634B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511577984.4，技术领域涉及：G06N3/065；该发明授权用于机器学习模型的方法、装置、设备和存储介质是由王焕钢;张长水设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本用于机器学习模型的方法、装置、设备和存储介质在说明书摘要公布了：本公开的实施例涉及人工智能领域，提供了用于机器学习模型的方法、装置、设备和存储介质。本公开的实施例所提供的构建方法，该方法涉及包括一个或多个隐藏层的模型，一个或多个隐藏层包括至少一个神经元，方法包括：获得训练数据集，训练数据集包括通过一个或多个传感器针对工业过程采集的传感器数据；将训练数据集输入机器学习模型以获得至少一个神经元的神经元评分；基于至少一个神经元的神经元评分，去激活至少一个神经元中的一个或多个低重要性神经元，以构建机器学习模型。通过选择性去激活机器学习模型中的低重要性神经元，可以在降低计算复杂度、内存占用等计算资源，显著提升预测速度，解决或者缓解了模型执行速度较慢的技术问题。

本发明授权用于机器学习模型的方法、装置、设备和存储介质在权利要求书中公布了：1.一种应用于工业场景的机器学习模型的构建方法，所述机器学习模型至少包括一个或多个隐藏层，所述一个或多个隐藏层中的每个隐藏层包括至少一个神经元，所述方法包括： 获得训练数据集，所述训练数据集包括通过一个或多个传感器针对工业过程采集的传感器数据，所述传感器数据包括表示所述工业过程的多个属性的表格数据； 将所述训练数据集输入所述机器学习模型以获得所述至少一个神经元的神经元评分，其中，每个神经元评分指示所述至少一个神经元中的相应神经元对所述机器学习模型的预测结果的影响程度，所述机器学习模型为基础模型； 基于所述至少一个神经元的神经元评分，确定在所述机器学习模型的预测过程中能减少运算参与度的一个或多个低重要性神经元，其中，在确定一个或多个低重要性神经元的过程中，所述机器学习模型的权重和偏置被冻结； 去激活所述至少一个神经元中的所述一个或多个低重要性神经元，以构建所述机器学习模型；以及 响应于接收到由于检测到所述工业过程的设备和或环境的变化而采集的新的传感器数据，使用包括所述新的传感器数据的更新的训练数据集更新所述机器学习模型的一个或多个低重要性神经元； 其中，所述将所述训练数据集输入所述机器学习模型以获得所述至少一个神经元的神经元评分包括： 配置与所述一个或多个隐藏层中的至少一个隐藏层对应的至少一个评分向量，所述至少一个评分向量中的每个评分向量的分量与相应隐藏层中包括的所述至少一个神经元的神经元评分对应； 将所述至少一个评分向量中的神经元评分初始化；以及 利用所述训练数据集对所述至少一个评分向量进行训练，以获得所述至少一个神经元的神经元评分，其中，所述对所述至少一个评分向量进行训练包括基于对所述至少一个评分向量进行可微分的离散采样处理得到的至少一个中间向量以进行前向计算并且通过反向梯度更新所述至少一个评分向量； 其中，所述对所述至少一个评分向量进行训练包括： 对所述至少一个评分向量执行耿贝尔-软最大值Gumbel-Softmax操作，以获得所述至少一个评分向量对应的至少一个概率向量； 针对所述至少一个概率向量中的每一个，通过将所述概率向量当中与除了最大的预定数量的分量之外的分量设置为零并且将所述最大的预定数量的分量设置为一，以获得所述至少一个中间向量；以及 使用所述至少一个中间向量对所述至少一个隐藏层进行硬掩码以执行预测； 其中，去激活所述一个或多个低重要性神经元包括： 将所述一个或多个隐藏层当中除了最后一层隐藏层之外的隐藏层中包括的所述一个或多个低重要性神经元的运算精度降低。

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清华大学，其通讯地址为：100084 北京市海淀区清华大学；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。