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！

龙图腾网获悉福州外语外贸学院申请的专利一种基于遗传算法的空洞卷积神经网络及其优化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：CN121390153B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511923074.7，技术领域涉及：G06N3/0464；该发明授权一种基于遗传算法的空洞卷积神经网络及其优化方法是由谢亚君;陈颖福;黄兴设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于遗传算法的空洞卷积神经网络及其优化方法在说明书摘要公布了：本发明涉及神经网络模型的结构优化技术领域，尤其为一种基于遗传算法的空洞卷积神经网络及其优化方法，该方法先构建架构与超参数分层协同进化种群并配对，再通过分层协同适应度评估计算任务性能与结构效率适应度向量，经子种群竞争交互、架构引导的协同变异及精英保留筛选最优个体对，迭代后解码并充分训练得到最终模型；优化后的空洞卷积神经网络实现架构与超参数动态适配，兼顾高任务性能与优结构效率，自动化程度高，降低设计门槛，提升训练稳定性与场景适配性，适用于图像分割目标检测等计算机视觉推理任务。本发明实现架构与超参数协同优化，兼顾任务性能与运行效率，自动化程度高，避免陷入局部最优，适用于图像分割等计算机视觉任务。

本发明授权一种基于遗传算法的空洞卷积神经网络及其优化方法在权利要求书中公布了：1.一种基于遗传算法的空洞卷积神经网络优化方法，其特征在于：包括以下步骤： 步骤S1：构建分层协同进化种群，包括分别采用不同编码方式的架构子种群和超参数子种群，随机初始化两个子种群并配对形成初始协同个体对，具体包括： 并行初始化架构子种群与超参数子种群，架构子种群包含第一预设数量的架构个体，超参数子种群包含相同数量的超参数个体； 对于架构子种群中的每个架构个体，采用第一编码序列与第二编码序列共同表示网络结构；第一编码序列为二进制编码序列，其每一位表征当前网络层与前一特定层的跳跃连接是否有效；第二编码序列为整数编码序列，其每一位表征对应网络层所采用的空洞卷积核类型，空洞卷积核类型从一个包含标准卷积核及多种膨胀模式的预定义候选核集合中选择； 对于超参数子种群中的每个超参数个体，其编码结构由与之配对的架构个体引导生成；先根据配对架构个体的总网络层数，确定该超参数个体的第三编码序列长度，该第三编码序列为实数编码序列，其每一位表征配对架构个体中对应网络层的空洞率参数；后生成一个独立的实数编码，表征配对架构个体所对应的网络滤波器基数参数； 在完成上述编码后，将架构子种群中的每个架构个体与超参数子种群中的一个超参数个体进行一一随机配对，使得每个架构个体的结构信息与一个超参数个体的参数信息相结合，共同形成一个完整的初始协同个体对，以表征一个空洞卷积神经网络候选模型； 步骤S2：分层协同适应度评估：对每一协同个体对，解码并快速训练网络，计算一个包含任务性能适应度与结构效率适应度的分层适应度向量，其中，结构效率适应度由网络的平均感受野增长率与计算量消耗共同决定； 步骤S3：子种群内竞争与交互：分别在两个子种群内执行基于适应度的竞争选择，随后执行架构个体引导的定向交叉操作，确保结构变化与参数变化协同； 步骤S4：基于架构引导的协同变异：对子代个体执行概率性变异，当架构个体发生变异时，强制其配对的超参数个体在对应位置发生关联性自适应变异； 步骤S5：精英保留与环境选择：合并父代与子代的所有协同个体对，依据分层适应度向量，采用先按任务性能排序、再按结构效率筛选的机制，保留预设数量的最优个体对； 步骤S6：迭代与模型生成：重复执行步骤S2至S5直至达到预设进化代数，选取任务性能适应度最高的协同个体对，解码并充分训练得到最终空洞卷积神经网络模型。

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福州外语外贸学院，其通讯地址为：350200 福建省福州市长乐市首占新区育环路28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。