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！

龙图腾网获悉吉林大学申请的专利一种基于自适应模糊蒸馏的齿形链声品质预测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：CN120579034B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511071713.1，技术领域涉及：G06F18/241；该发明授权一种基于自适应模糊蒸馏的齿形链声品质预测方法是由张家诚;程亚兵;李家宝;娄城铭;周程远;盛华军;李鑫阳;董婉琦设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种基于自适应模糊蒸馏的齿形链声品质预测方法在说明书摘要公布了：本发明涉及一种基于自适应模糊蒸馏的齿形链声品质预测方法，属于齿形链声品质研究技术领域。该预测方法包括：确定模糊生成的作用条件，对齿形链原始数据集进行扰动扩大，获得多个新数据集；基于卷积神经网络搭建教师模型；结合多个新数据集对教师模型进行自适应训练，在每一次迭代中确保教师模型的误差最小，得到最优的教师模型；构建学生模型并基于最优的教师模型和蒸馏损失函数，对学生模型进行知识蒸馏，最终在小样本条件下，得到轻量化的齿形链声品质预测模型。该预测方法结合模糊生成及知识蒸馏，解决了小样本声品质预测的问题，实现了齿形链声品质预测模型的轻量化，从而提升机械设备的整体性能和市场竞争力。

本发明授权一种基于自适应模糊蒸馏的齿形链声品质预测方法在权利要求书中公布了：1.一种基于自适应模糊蒸馏的齿形链声品质预测方法，其特征在于，包括以下步骤： 步骤一、确定模糊生成的作用条件，对齿形链原始数据集进行扰动扩大，获得用于教师模型训练的多个新数据集； 步骤二、基于卷积神经网络搭建教师模型； 步骤三、结合步骤一获得的多个新数据集对步骤二搭建的教师模型进行自适应训练，在每一次迭代中确保教师模型的误差最小，得到最优的教师模型； 步骤四、构建结构简单的学生模型； 学生模型的输入是原始数据集，样本的具体形式为齿形链噪声的声品质特征图； 步骤五、基于步骤三获得的最优的教师模型和蒸馏损失函数，对步骤四构建的学生模型进行知识蒸馏，最终在小样本条件下，得到轻量化的齿形链声品质预测模型； 所述步骤二中，教师模型的结构包括四个卷积层、两个池化层、一个Dropout层、一个展平层及三个全连接层； 四个卷积层分别为通道数为6、9、12、16的3×3卷积核的卷积层；两个池化层的大小均为2×2；三个全连接层的节点数分别为1024、128、1； 所述步骤四中，学生模型的结构包括一个卷积层、一个池化层、一个Dropout层、一个展平层及一个全连接层； 卷积层为通道数为6的3×3卷积核的卷积层；池化层的大小为2×2；全连接层的节点数为256； 所述步骤三中，教师模型进行自适应训练的过程是在每一次迭代过程中，同时在所有的新数据集上进行训练，并选择误差最小的数据集作为该次迭代的训练集，重复上述过程，直到最大迭代次数，得到最优的教师模型； 所述步骤五中，知识蒸馏的过程中，学生模型在训练中的输出被称为软输出，教师模型的输出被称为软标签，样本的真实值作为硬标签，通过蒸馏损失函数，计算软输出与软标签的差异，作为软损失；同时计算软输出与硬标签的差异，作为硬损失；通过组织的软损失和硬损失作为蒸馏损失进行训练，最终得到轻量化的齿形链声品质预测模型，最后的输出被称为硬输出； 其中，蒸馏损失由如下公式计算： ； 式中，为软损失，为样本数量，为软输出，为软标签，为硬标签，为硬损失，为蒸馏损失，为平衡因子，代表样本编号。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。