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！

龙图腾网获悉北京理工大学申请的专利基于正则化外梯度的双层优化模型训练方法及去噪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：CN120852917B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511358503.0，技术领域涉及：G06V10/774；该发明授权基于正则化外梯度的双层优化模型训练方法及去噪方法是由崔世晟;周婉欣设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本基于正则化外梯度的双层优化模型训练方法及去噪方法在说明书摘要公布了：本申请涉及计算机技术领域，特别涉及一种基于正则化外梯度的双层优化模型训练方法及去噪方法。所述方法包括获取训练样本集，并基于所述训练样本集对待训练模型进行第一预设数量次迭代训练，每次迭代训练中包括多次迭代更新过程，通过迭代训练和迭代更新两个层次的优化结构考虑全局目标和局部目标，并通过引入方差缩减技术，避免了随机采样计算梯度所引入不可忽略的计算误差，提高模型的训练速度，降低模型训练的训练成本。

本发明授权基于正则化外梯度的双层优化模型训练方法及去噪方法在权利要求书中公布了：1.一种基于正则化外梯度的双层优化模型训练方法，其特征在于，所述的基于正则化外梯度的双层优化模型训练方法具体包括： 获取训练样本集，所述训练样本集包括若干训练图像； 基于所述训练样本集对待训练模型进行第一预设数量次迭代训练，以得到图像去噪模型，其中，每次迭代训练的训练过程具体包括： 将本次迭代训练选取的若干训练样本分别输入待训练模型，通过待训练模型输出本次迭代训练选取的若干训练样本中的每个训练样本对应的预测结果，基于本次迭代训练选取的若干训练样本中的每个训练样本的预测结果和预设的上层目标函数确定上层目标函数梯度均值，以及基于本次迭代训练选取的若干训练样本中的每个训练样本的预测结果和预设的下层目标函数确定下层目标函数梯度均值，其中，所述下层目标函数为基于所述待训练模型对应的训练目标损失函数确定的，所述上层目标函数为基于待训练模型对应的验证目标损失函数确定的； 基于所述上层目标函数梯度均值和下层目标函数梯度均值对所述待训练模型的模型参数进行第二预设数量次迭代更新，其中，每次迭代更新的过程具体包括： 基于所述上层目标函数梯度均值和下层目标函数梯度均值确定第一正则化映射，并基于所述第一正则化映射对待训练模型的模型参数进行投影以得到中间模型参数； 基于所述中间模型参数确定中间上层目标函数梯度均值和中间下层目标函数梯度均值； 基于所述中间上层目标函数梯度均值和中间下层目标函数梯度均值确定第二正则化映射，并对所述第二正则化映射进行投影以得到迭代更新后的模型参数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。