Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国电子科技集团公司电子科学研究院武晨获国家专利权

中国电子科技集团公司电子科学研究院武晨获国家专利权

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!

龙图腾网获悉中国电子科技集团公司电子科学研究院申请的专利基于深度学习的平行仿真系统计算实验评估决策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:CN115587534B

龙图腾网通过国家知识产权局官网在2025-09-19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:202211192848.X,技术领域涉及:G06F30/27;该发明授权基于深度学习的平行仿真系统计算实验评估决策方法是由武晨;谷雨;吴浩设计研发完成,并于2022-09-28向国家知识产权局提交的专利申请。

基于深度学习的平行仿真系统计算实验评估决策方法在说明书摘要公布了:本申请公开了一种基于深度学习的平行仿真系统计算实验评估决策方法,包括:设计实际系统的多种管控方案,并基于仿真系统对多种方案进行仿真推演,获得实际系统在各管控方案下的未来状态;利用计算实验评估决策模型,对各管控方案下的实际系统未来状态进行分析,评估出实际系统的优选管控方案;将所述优选管控方案,利用执行网络,反馈至所述实际系统,以作为所述实际系统的管控策略。本实施例的方法充分考虑了复杂系统的不确定性和动态演化特性,能够提高计算实验方案评估决策的客观性和准确性,从而提升平行仿真系统对复杂实际系统的指导准确度。

本发明授权基于深度学习的平行仿真系统计算实验评估决策方法在权利要求书中公布了:1.一种基于深度学习的平行仿真系统计算实验评估决策方法,其特征在于,应用于包括实际系统和仿真系统的计算实验评估决策,包括: 为所述实际系统设计多种管控方案; 通过所述仿真系统,基于多种管控方案进行仿真推演,以获得所述实际系统在各管控方案下的未来状态的多个推演预测方案; 利用计算实验评估决策模型,对各管控方案下的未来状态的多个推演预测方案进行分析,评估出对所述实际系统的优选预测管控方案; 将所述优选预测管控方案,利用执行网络,反馈至所述实际系统,以作为所述实际系统的管控策略; 其中所述计算实验评估决策模型包括评价网络和效用函数,所述评价网络,用以对各管控方案下的未来状态的多个推演预测方案进行分析,评估出对所述实际系统的优选预测管控方案; 所述效用函数,用于对所述实际系统进行状态计算,以调节所述评价网络的参数; 所述方法还包括采用如下方式基于CNN网络建立所述评价网络: 将所述CNN网络的输入设置为一维,将所述CNN网络输入层的网络节点数量设置为所述真实系统的状态数量,以及将CNN中的卷积层卷积核、池化层采样窗口均设置为一维; 选择所需的卷积核大小、池化层采样窗口大小,以建立所述评价网络; 其中,采用如下方式调整所述评价网络的网络参数: 对所述评价网络的输出层,基于给定的权值学习率,将权值更新函数设置为: 其中,表示输出层权重,表示输出层误差; 对所述评价网络的池化层,将所述CNN网络卷积层中的任一特征图,与对应的池化层特征图执行如下计算: 其中,表示池化层的乘性偏置,表示第l层池化层中第j个元素的误差灵敏度,表示第l层池化层中第j个元素的输入,表示第l层的激活函数的偏导数,up表示上采样操作; 对所述评价网络的卷积层,卷积层中的卷积核共享权值,且卷积核的误差函数关于卷积核权值的偏导数满足: 其中,表示位于输入向量上、与卷积核元素按位相乘、得到输出特征图上位置的值的输入; 所述方法还包括将所述CNN网络的最后两层的神经网络采用自组织增量学习神经网络(Self-organizingIncrementalNeuralNetwork,SOINN)构建所述评价网络; 在调节所述评价网络的参数的过程中,利用所述CNN网络的卷积层-池化层的输出作为SOINN的输入; 所述方法还包括采用如下方式调整所述评价网络的网络参数: 采用误差反向传播算法,调整所述评价网络的卷积层-池化层部分的网络参数; 采用自组织增量学习算法,调整所述SOINN的网络参数; 所述SOINN被配置为执行如下步骤: 在初始化后,基于初始化的神经元集合A,确定与输入数据样本相似的两个神经元: 其中表示神经元权重,表示输入数据样本; 若或成立,则为所述神经元集合A生成一个新的节点r,令; 若两个神经元之间不存在连接,则为两个神经元之间建立连接,更新边合集,并刷新两个神经元之间边的年龄参数; 递增与胜者节点相连的所有边age参数,累加胜者节点的局部量化误差; 若没有建立新的节点,则更新两个胜者节点的权值; 检查所有边当前的年龄参数,若,则从边合集C中移除对应的边; 若还存在输入,则重复确定与输入数据样本相似的两个神经元。

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中国电子科技集团公司电子科学研究院,其通讯地址为:100041 北京市石景山区双园路11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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。