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！

龙图腾网恭喜华中科技大学申请的专利基于条件标准化流的适配器应变场预测不确定性量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：CN118940613B 。

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：202410944880.1，技术领域涉及：G06F30/27；该发明授权基于条件标准化流的适配器应变场预测不确定性量化方法是由周奇;谭安强;林泉;胡杰翔;谢婷丽;权德森威;罗舒杨;龙田;金正龙;李保平设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本基于条件标准化流的适配器应变场预测不确定性量化方法在说明书摘要公布了：本发明提出了一种基于条件标准化流的适配器应变场预测不确定性量化方法,属于预测结果的不确定性量化领域，包括：S1、使用信息融合平衡神经算子网络从适配器结构中提取隐式特征向量；S2、构建标准化流模型；S3、根据所述隐式特征向量和标准化流模型构建并训练基于条件标准化流的不确定性量化模型；S4、将隐式特征向量输入至基于条件标准化流的不确定性量化模型中，得到适配器应变场的近似应变分布；S5、使用前向传播对近似应变分布进行计算，得到适配器应变场的不确定性量化结果。本申请利用基于条件标准化流的不确定性量化模型，根据隐式特征向量和标准化流模型预测适配器各点的应变分布，给出准确的均值和方差结果,量化应变场的不确定性，提高不确定性量化的精度。

本发明授权基于条件标准化流的适配器应变场预测不确定性量化方法在权利要求书中公布了：1.一种基于条件标准化流的适配器应变场预测不确定性量化方法，其特征在于，包括以下步骤：S1、使用信息融合平衡神经算子网络从适配器结构中提取隐式特征向量；S2、构建标准化流模型；所述标准化流模型包括单层全连接网络；S3、根据所述隐式特征向量和标准化流模型构建并训练基于条件标准化流的不确定性量化模型；S4、将隐式特征向量输入至基于条件标准化流的不确定性量化模型中，得到适配器应变场的近似应变分布；S5、使用前向传播对近似应变分布进行计算，得到适配器应变场的不确定性量化结果，所述不确定性量化结果包括适配器各点的应变分布的均值和方差；所述基于条件标准化流的不确定性量化模型包括4个全连接神经网络、可逆变换矩阵模块、标准化流变换模块和分布参数学习模块；基于条件标准化流的不确定性量化模型的训练过程具体包括：步骤一、设置初始变量z0服从高斯分布Nμ；σ2；其中μ表示初始变量z0的均值，σ2表示初始变量z0的方差；步骤二、利用基于条件标准化流的不确定性量化模型输入负载、单胞设计参数及其坐标，得到隐式特征向量，并将隐式特征向量分别输入四个全连接神经网络中得到矩阵vfull、偏置向量b、向量vr1和向量vr2；步骤三、将矩阵vfull、向量vr1和向量vr2输入至可逆变换矩阵模块得到矩阵R和矩阵R′；步骤四、利用偏置向量b以及矩阵R和矩阵R′对变量z0进行K次变换得到新的变量zk，条件概率分布为pzk，将条件概率分布pzk、偏置向量b、以及矩阵R和矩阵R′输入至分布参数学习模块，并将高斯分布的均值和方差设为可训练参数，根据网络学习得到基于条件标准化流的不确定性量化模型的最优分布参数。

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华中科技大学，其通讯地址为：430000 湖北省武汉市洪山区珞喻路1037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”。