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！

龙图腾网恭喜吉首大学申请的专利一种基于和声搜索算法在深度学习模型优化中的应用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：CN118917388B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202410988767.3，技术领域涉及：G06N5/01；该发明授权一种基于和声搜索算法在深度学习模型优化中的应用方法是由莫礼平;尹彪;李陕;闵威;程翠娜设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于和声搜索算法在深度学习模型优化中的应用方法在说明书摘要公布了：本发明公开一种基于和声搜索算法在深度学习模型优化中的应用方法，包括以下步骤：通过正余弦优化算子和Levy飞行机制，并融合参数自适应调整策略，对和声搜索算法进行一次优化，得到第一和声搜索算法；将第一和声搜索算法进行二次优化，得到第二和声搜索算法；将第二和声搜索算法作为神经架构搜索的搜索策略，构建基于第二和声搜索算法的神经架构搜索框架；构建深度学习模型，基于第二和声搜索算法对深度学习模型进行神经架构搜索优化，基于第一和声搜索算法对深度学习模型进行超参数优化，得到双重优化的深度学习模型。本发明解决如何基于改进的和声搜索算法，优化神经架构搜索和超参数，提高深度学习网络模型中神经架构搜索的效率和神经网络性能。

本发明授权一种基于和声搜索算法在深度学习模型优化中的应用方法在权利要求书中公布了：1.一种苗医药命名实体识别中深度学习模型优化及验证方法，其特征在于，包括以下步骤：S1、通过正余弦优化算子和Levy飞行机制，并融合参数自适应调整策略，对和声搜索算法进行一次优化，得到第一和声搜索算法；S2、将第一和声搜索算法进行二次优化，得到第二和声搜索算法；S3、将第二和声搜索算法作为神经架构搜索的搜索策略，构建基于第二和声搜索算法的神经架构搜索框架；具体为：S31、通过轻量级神经卷积网络ShuffleNetV2构建超网络搜索空间；具体为：将各种选择快组合排列，形成不同的块，并将不同的块堆叠在一起，形成超网络搜索空间；S32、利用单路径均值采样法对超网络搜索空间进行子网训练，确定网络超参数，训练子网搜索最优网络结构；确定在超网络搜索空间中需要空间下采样的块，训练那些由各种选择块组成的块；S33、采用第二和声搜索算法作为神经架构搜索的搜索策略搜索并验证子网，判断是否满足迭代终止条件，若是，则输出最优神经架构搜索框架，反之，则重复步骤S32-S33；所述步骤S3之后，还包括：将神经架构搜索框架进行性能测试：具体为：采用CIFAR-10数据集和FashionMNIST数据集，FashionMNIST数据集由衣服、鞋子10种服饰类图像组成，共70000张单通道灰色图像，其中，60000张训练图像，10000张测试图像，将神经架构搜索框架同使用随机搜索策略的NAS框架、使用GA搜索策略的NAS-GA框架和实用标准HS搜索策略的NAS-HS框进行对比测试实验，检测神经架构搜索框架的神经网络精度以及计算时间成本；S4、构建深度学习模型，基于第二和声搜索算法对深度学习模型进行神经架构搜索优化，基于第一和声搜索算法对深度学习模型进行超参数优化，得到双重优化的深度学习模型；所述双重优化的深度学习模型为BERT-BiLSTM-CRF-NAS-HS模型；所述步骤S4基于第二和声搜索算法对深度学习模型进行神经架构搜索优化，具体为：S411、构建BiLSTM的搜索空间；其中，BiLSTM为双向长短期记忆网络；搜索空间中每个选择块的不同之处在于隐藏层的单元数和层数设置不同；所述隐藏层的单元数和层数影响模型的表示能力、特征提取能力、梯度传播和消失以及计算时间成本；S412、确定深度学习模型的超参数，训练子网搜索最优网络架构；在训练过程中每次会随机选择一组隐藏单元数和层数的数值来评估模型的准确率；S413、采用第二和声搜索算法执行最优架构搜索并进行验证；S414、判断是否满足迭代终止条件，若是，则输出历史最优网络架构组合，反之，执行步骤S412-S414；所述步骤S4之后，还包括：采用苗医药命名实体识别数据集对双重优化后的深度学习模型进行性能测试；具体为：构建苗医药命名实体识别数据集，并将所述苗医药命名实体识别数据集按比例划分为训练集、测试集和验证集；具体为：所述苗医药命名实体识别数据集采用包括苗药名称、主治功能8个类别的原始数据为基础制作，对原始数据进行BIO标注处理后，去掉特殊符号、空格及换行，最终得到苗医药命名实体识别数据集，包括若干字符、实体和句子，将苗医药命名实体识别数据集按照8:1:1的比例划分为训练集、测试集和验证集，对模型训练和验证阶段的超参数进行设置通过训练集对各模型进行模型训练，测试集对各模型进行模型测试，验证集对各模型进行模型验证；将经过双重优化后的深度学习模型分别与初始深度学习模型、仅进行神经架构搜索的深度学习模型、仅进行超参数优化的深度学习模型进行对比实验。

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首大学，其通讯地址为：416000 湖南省湘西土家族苗族自治州吉首市人民南路120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”。