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！

龙图腾网恭喜北京航天计量测试技术研究所申请的专利一种面向图像分类神经网络模型的可靠性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：CN119206410B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411710009.1，技术领域涉及：G06V10/776；该发明授权一种面向图像分类神经网络模型的可靠性预测方法是由刘弋菲;陈皓一;杨平;张修建;弯天琪设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种面向图像分类神经网络模型的可靠性预测方法在说明书摘要公布了：本发明提出一种面向图像分类神经网络模型的可靠性预测方法，包括训练可靠性模型，然后利用训练完成的可靠性模型，对用于图像分类的、待预测的神经网络模型进行可靠性预测，其中，按照神经网络模型的训练和测试两方面，可靠性模型的输入特征包括模型训练因子和模型测试因子，所述模型训练因子表征影响神经网络可靠性的数据与模型因素，所述模型测试因子用于表征神经网络测试的充分性；可靠性模型的输出为神经网络模型的可靠性预测结果。本发明根据神经网络模型的特点，分解分析了其可靠性的影响因素和关键参数，构建了基于支持向量回归的神经网络模型可靠性预测方法，可以有效提升神经网络模型可靠性预测的准确性、泛化性和容错性。

本发明授权一种面向图像分类神经网络模型的可靠性预测方法在权利要求书中公布了：1.一种面向图像分类神经网络模型的可靠性预测方法，其特征在于，包括训练可靠性模型，然后利用训练完成的可靠性模型，对用于图像分类的、待预测的神经网络模型进行可靠性预测，其中，按照神经网络模型的训练和测试两方面，可靠性模型的输入特征包括模型训练因子和模型测试因子，所述模型训练因子表征影响神经网络可靠性的数据与模型因素，所述模型测试因子用于表征神经网络测试的充分性；可靠性模型的输出为神经网络模型的可靠性预测结果；模型训练因子包括训练数据质量因子以及模型性能因子，其中，训练数据质量因子包括训练数据集规模和训练数据可区分性，所述训练数据集规模反映训练数据的充分性，所述训练数据可区分性反映目标任务的复杂程度；模型性能因子包括模型参数量、模型训练损失、训练迭代次数，所述模型参数量反映模型结构的复杂性，所述模型训练损失反映模型训练效果，所述训练迭代次数决定了模型从数据中学习的深度和程度；模型测试因子采用测试程度因子表征，具体包括测试迭代次数、测试数据集规模、模型结构覆盖；测试迭代次数直接反映模型被测试的深度，测试数据集规模直接反映测试成本，模型结构覆盖是基于神经元激活情况的测试充分性表征指标。

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航天计量测试技术研究所，其通讯地址为：100076 北京市丰台区南大红门路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”。