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！

龙图腾网获悉四川大学申请的专利一种鲁棒性的动态对比学习框架及其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：CN120124230B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510192288.5，技术领域涉及：G06F30/18；该发明授权一种鲁棒性的动态对比学习框架及其应用是由石政;谢罗峰;刘卫民;殷鸣;殷国富设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种鲁棒性的动态对比学习框架及其应用在说明书摘要公布了：本发明属于网络模型优化技术领域，具体涉及一种鲁棒性的动态对比学习框架及其应用，所述鲁棒性的动态对比学习框架是指在SURE框架中引入再平衡对比损失，并通过动态二级辅助网络实时动态调整SURE损失和再平衡对比损失的权重；本发明在分类准确性、鲁棒性及不确定性估计方面均实现了显著提升，展现了其在核电信号分类等高风险领域的广泛应用前景。

本发明授权一种鲁棒性的动态对比学习框架及其应用在权利要求书中公布了：1.一种基于动态对比学习框架的液压密封故障分类方法，其特征在于，包括如下步骤： 步骤1：构建鲁棒性的动态对比学习框架； 所述鲁棒性的动态对比学习框架是指在SURE框架中引入再平衡对比损失，并通过动态二级辅助网络实时动态调整Mixup正则化损失、正确性排序损失、再平衡对比损失的权重； 总损失；其中，为分类的交叉熵损失；为Mixup正则化损失；为正确性排序损失；为再平衡对比损失；、、分别为Mixup正则化损失、正确性排序损失、再平衡对比损失的权重； 、、通过动态二级辅助网络动态调整，所述动态二级辅助网络包括依次连接的L2权重归一化层、多层全连接层、残差块和输出层；所述全连接层和残差块中的激活函数为ReLU激活函数，输出层为Sigmoid函数；所述输出层引入指数平均移动机制，用于平滑权重调整过程； ； 其中，α为平滑系数，为权重的历史平均值，为当前预测值； 步骤2：构建数据集； 采用HDMS模拟一维核电信号，数据集包含五个类别的样本；五个类别分别为正常状态、1条径向划痕、2条径向划痕、4条径向划痕和9个凹坑； 采用分层划分策略，按照60%:20%:20%的比例将数据集划分为训练集、验证集和测试集； 步骤3：步骤2的数据集训练网络模型；然后基于步骤1所述的鲁棒性的动态对比学习框架优化所述网络模型，以获取液压密封故障分类的网络模型； 所述鲁棒性的动态对比学习框架的优化包括： 首先，采用类别频率加权机制优化特征空间平衡，确保不同类别间的均衡分布； 其次，利用特征压缩增强尾部类别的类内紧凑性，提升分类性能； 再次，通过强化类别边界的正则化，减少尾部类别的泛化误差； 最后，引入动态二级辅助网络，在训练过程中实时调整损失函数权重，以应对长尾数据带来的复杂性。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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。