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！

龙图腾网获悉湖南大学;上海宇航系统工程研究所申请的专利一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计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：CN120087207B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510166179.6，技术领域涉及：G06F30/27；该发明授权一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法是由姜潮;张华;王中华;武龙飞;胡德安设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法在说明书摘要公布了：本发明提供了一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法，其特征在于，包括以下步骤：步骤S1：样本数据获取；步骤S2：网络构建与评价；步骤S3：鲁棒设计优化；该方法利用基于变分推断和KL散度推导的损失函数量化代理模型建模过程中的认知不确定性，获得一种考虑不确定性因素的核辐射屏蔽计算代理模型，通过构建的代理模型对多目标优化设计里的目标函数进行辐射屏蔽计算，结合鲁棒优化设计获得具有一定鲁棒性的Pareto最优解集。该方法在神经网络模型的权重上加入先验分布，然后获取这些权重在给定数据时的变化情况来衡量辐射屏蔽仿真中的认知不确定性，提高了优化结果的鲁棒性。

本发明授权一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法在权利要求书中公布了：1.一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法，其特征在于，包括以下步骤： 步骤S1：样本数据获取；该步骤是从辐射仿真模型中获得训练样本；首先建立辐射屏蔽仿真的基础模型，其次明确优化设计目标，确定优化设计变量及其取值范围，然后随机生成均匀样本，转化成相应的辐射屏蔽仿真模型，最后进行辐射屏蔽计算，得到可供训练的辐射屏蔽仿真数据； 步骤S2：网络构建与评价；该步骤构建不确定性条件下的辐射屏蔽计算代理模型，以便加速后续开展的多目标优化过程；对步骤S1获得的数据进行预处理，将数据集划分为训练集、验证集与测试集，利用训练集训练BNN网络结构，利用验证集调整网络超参数，直到误差满足精度要求或达到最大迭代次数，得到训练好的模型，并用测试集评估最终模型的泛化能力； 步骤S3：鲁棒设计优化；该步骤利用构建的贝叶斯神经网络，综合考虑影响辐射屏蔽计算结果的不确定性因素，基于NSGA-Ⅱ算法对屏蔽方案进行多目标优化设计；随机生成初始种群，设置抽样值，利用步骤S2得到的BNN模型进行抽样预测计算，得到当前种群的输出均值和标准差，利用输出结果进行鲁棒设计优化，直至满足收敛条件，即可获得最终的Pareto最优解集； 所述步骤S2中网络构建与评价的步骤包括： 步骤S21：数据预处理，先对屏蔽数据进行以10为底的对数处理，再对对数处理后的数据归一化处理，并将数据集划分为训练集、验证集、测试集； 步骤S22：贝叶斯神经网络构建，具体包括：网络由1个输入层、m个隐含层、1个输出层构成；输入层神经元个数、输出层神经元个数由输入变量、输出变量决定，第i层隐含层有ni个神经元；相邻两层之间的权重和偏差不是一个确定值，而是一个服从概率分布的随机变量；相邻两层之间通过激活函数进行非线性变换；优化器选用Adam；学习率lr设置为0.01；采用变分推断的方法逼近后验分布，且似然函数存在噪声noise，以KL散度推导得到损失函数： 其中，qw为近似后验分布，Pw为先验分布，PD|w为似然估计； 步骤S23：贝叶斯神经网络评价，具体包括：采用平均绝对百分比误差MAPE： 对数均方根偏差： 确定系数： 来评估测试集的模型准确性；其中yi为测试集中第i个样本的原始输出值，为第i个样本的网络预测值，为原始数据的平均输出值，m为测试集中的样本数量。

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湖南大学;上海宇航系统工程研究所，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。