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！

龙图腾网获悉山东大学申请的专利一种基于人工神经网络无监督本地学习方法的应用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：CN115456173B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211165236.1，技术领域涉及：G06N3/088；该发明授权一种基于人工神经网络无监督本地学习方法的应用是由周洪超;黄卫平;贲晛烨;杨刚强设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本一种基于人工神经网络无监督本地学习方法的应用在说明书摘要公布了：本发明涉及一种基于人工神经网络无监督本地学习方法的应用，人工神经网络为一个多层的神经网络，包括：每层的参数通过无监督本地学习方法训练。本发明提出的神经网络学习方法是无监督的,无需人工标注标签，可以从无标签数据中高效提取特征。本发明学习方法提取的特征是通用的、可以作为各类学习任务的输入有效提升各类学习任务的准确率。本发明学习方法训练的神经网络可以作为各类任务的预训练模型提升各类任务准确性。本发明学习方法不同于广泛使用的反向传播方法，更容易实现基于硬件的人工神经网络的片上训练，支撑光AI芯片等技术的发展。

本发明授权一种基于人工神经网络无监督本地学习方法的应用在权利要求书中公布了：1.一种基于人工神经网络无监督本地学习方法的应用，其特征在于，用于图片分类识别，通过基于人工神经网络无监督本地学习方法基于无标签数据训练构建好的人工神经网络；构建好的人工神经网络为特征提取网络，包括一层28*28个神经元、激活函数、归一化层，使用平方函数作为激活函数，并在之后对特征进行归一化；无标签数据是指若干张无标签图片； 通过反向传播方法训练面向图片分类识别任务的人工神经网络，面向图片分类识别任务的人工神经网络为分类网络，分类网络包括一层10个神经元、softmax函数，通过softmax函数输出预测的图片类别概率；通过反向传播的方法对面向分类识别任务的人工神经网络的各层参数进行微调； 将待预测的图片依次输入训练好的特征提取网络、分类网络，输出预测的图片类别概率，得到图片分类识别结果； 基于人工神经网络无监督本地学习方法，包括：人工神经网络为一个多层的神经网络，包括：每层的参数通过无监督本地学习方法训练，每层的参数w使用一个矩阵来表示，该矩阵描述了两层神经元之间的连接权重；给定了某一层的输入数据x，该层的输出为fwTx，f为非线性激活函数，每一层神经元的训练方法如式所示： △wij=ηyjxi-∑kykwik 式中，wij是指人工神经网络中下一层的神经元i和本层神经元j之间的连接权重，△wij是该连接权重的变化量，η是学习率，xi是训练时来自于神经元i的输入，yj=∑jxiwij是神经元j的总加权输入或者yj=f∑jxiwij是神经元j的输出，∑kykwik是指来自于反馈的衰减项，k遍历了本层的所有神经元； 在训练某一层神经元的时候，给定一个训练样本，通过前馈的方式计算出本层的输入x和y=wTx，并根据式计算出本层参数的修改量△wij，最后将wij替换成wij+△wij。

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山东大学，其通讯地址为：250199 山东省济南市历城区山大南路27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。