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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利一种脉冲星搜索模型的训练方法、应用方法、装置及设备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：CN115130570B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210720105.9，技术领域涉及：G06F18/214；该发明授权一种脉冲星搜索模型的训练方法、应用方法、装置及设备是由李昱希;谢鸣;程小峰;丁玫菲;王亚彪;罗泽坤;甘振业;孙众毅设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本一种脉冲星搜索模型的训练方法、应用方法、装置及设备在说明书摘要公布了：本申请实施例公开了一种脉冲星搜索模型的训练方法、应用方法、装置及设备，相关实施例可应用于地图、智能交通、人工智能等领域，用于提高模型泛化能力和预测精度。本申请实施例方法包括：通过脉冲星搜索模型输出正样本类别预测值以及负样本类别预测值，基于正样本类别预测值、负样本类别预测值以及样本类别标签计算分类边缘损失值，基于分类边缘损失值对脉冲星搜索模型进行参数调整，得到中间脉冲星搜索模型，基于边缘采样策略，采样目标脉冲星训练样本，对每个目标脉冲星训练样本进行标注，并将标注后的每个目标脉冲星训练样本添加至训练样本数据集中，得到脉冲星扩展训练样本数据集，迭代重复优化直至满足收敛条件，得到目标脉冲星搜索模型。

本发明授权一种脉冲星搜索模型的训练方法、应用方法、装置及设备在权利要求书中公布了：1.一种脉冲星搜索模型的训练方法，其特征在于，包括： 将脉冲星训练样本数据集输入至脉冲星搜索模型，通过所述脉冲星搜索模型输出所述脉冲星训练样本数据集中的每个脉冲星训练样本对应的正样本类别预测值以及负样本类别预测值，其中，所述脉冲星训练样本数据集来源于携带有样本类别标签的第一目标域数据以及源域数据；所述脉冲星训练样本是由脉冲星候选体信号的时间-相位分布图和频率-相位分布图拼接得到的图像； 基于所述正样本类别预测值、所述负样本类别预测值以及所述样本类别标签进行损失计算，得到分类边缘损失值，具体包括：基于超参数、所述正样本类别预测值以及所述负样本类别预测值，计算修正项；所述超参数用于控制样本难易程度；所述修正项用于使分类困难的样本产生更大梯度；基于所述超参数、所述正样本类别预测值以及所述负样本类别预测值，确定截断操作；基于所述修正项、所述截断操作以及所述正样本类别预测值进行损失计算，得到分类边缘损失值； 基于所述分类边缘损失值对所述脉冲星搜索模型进行参数调整，得到中间脉冲星搜索模型； 将未标注的第二目标域数据输入至所述中间脉冲星搜索模型中，通过所述中间脉冲星搜索模型输出所述第二目标域数据中的每个候选脉冲星样本对应的正样本类别候选预测值以及负样本类别候选预测值； 对所述正样本类别候选预测值进行softmax归一化处理，得到边缘正样本评分； 对所述负样本类别候选预测值进行softmax归一化处理，得到边缘负样本评分； 基于所述边缘正样本评分以及所述边缘负样本评分，计算边缘采样评分； 基于所述正样本类别候选预测值以及所述负样本类别候选预测值计算候选分类边缘损失值； 基于所述边缘采样评分的梯度方向以及所述候选分类边缘损失值的梯度方向，以及主动域适应的边缘采样策略，从所述第二目标域数据的候选脉冲星样本中采样目标脉冲星训练样本，其中，所述目标脉冲星训练样本对应的正样本类别预测值以及负样本类别预测值之间的差值小于采样阈值； 对每个所述目标脉冲星训练样本进行标注，并将标注后的每个目标脉冲星训练样本添加至所述训练样本数据集中，得到脉冲星扩展训练样本数据集； 迭代重复执行将所述脉冲星扩展训练样本数据集输入至所述中间脉冲星搜索模型中、所述损失计算、所述参数调整、所述采样目标脉冲星训练样本以及获取所述脉冲星扩展训练样本数据集的步骤，直至满足收敛条件，得到目标脉冲星搜索模型。

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腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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”。