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！

龙图腾网恭喜四川大学;中国核动力研究设计院申请的专利一种基于半监督学习的判别回归流场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：CN118333131B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202410350723.8，技术领域涉及：G06N3/0895；该发明授权一种基于半监督学习的判别回归流场预测方法是由彭德中;于洋;刘东;秦阳;庞志鑫;孙元;段思远设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本一种基于半监督学习的判别回归流场预测方法在说明书摘要公布了：本发明公开一种基于半监督学习的判别回归流场预测方法，包括以下步骤：获取半监督流场预测数据集；构建基于神经网络的深度流场预测模型；通过预热策略获得初步收敛的深度流场预测模型；利用神经网络记忆效应划分难样本、简单样本数据集；利用判别回归方法训练优化深度流场预测模型；利用深度流场预测模型执行预测，获取回归测试结果。本发明利用神经网络记忆效用实现判别回归预测方法，缓解流场预测半监督学习过拟合的问题；通过将伪标注和真实标注的样本混合，并利用GMM将样本划分为难易样本，有利于后续采取不同的学习策略来增强模型的判别性，进而提高性能；同时利用优化的深度流场预测模型计算样本的预测值，获取回归测试结果。

本发明授权一种基于半监督学习的判别回归流场预测方法在权利要求书中公布了：1.一种基于半监督学习的判别回归流场预测方法，其特征在于：包括以下步骤：S1、获取半监督流场预测数据集；S2、构建基于神经网络的深度流场预测模型；S3、通过预热策略获得初步收敛的深度流场预测模型；S4、利用神经网络记忆效应划分难样本、简单样本数据集；S5、利用判别回归方法训练优化深度流场预测模型；S6、利用深度流场预测模型执行预测，获取回归测试结果；所述步骤S1中半监督流场预测数据集H表达式如下：H＝L∪U其中，表示标记数据集，表示未标记数据集，xi表示标记数据集的第i个样本的控制点坐标，yi表示标记数据集的第i个样本标注的流场预测值，Nl表示标记数据集大小，xj表示未标记数据集的第j个样本的控制点坐标，Nu表示未标记数据集大小；所述步骤S3的具体方法如下：使用标记数据集训练深度流场预测模型实现模型的预热训练，达到初步收敛状态，当预热损失值小于指定阈值时，判定预热过程收敛，预热模型的预热损失函数表达式如下： 预热过程中参数优化具体表达式如下： 其中，AdamOptimizer表示参数优化器，Θ表示深度流场预测模型参数；所述步骤S4的具体方法如下：S41、利用预热好的模型计算未标记数据集U中每个控制点样本的预测值，并将预测值作为未标记数据集的伪标注值，伪标记数据集表达式如下： 其中，表示预热模型计算的预测值；S42、将模型使用标记数据集L和伪标记数据集用于模型的重新训练，并达到初步收敛，当损失值小于指定阈值，判定该训练过程收敛，判别训练的总损失函数表达式如下： 其中，λ表示平衡参数；S43、得到步骤S42中重新训练的模型，并计算半监督流场预测数据集的所有样本损失值，并基于神经网络记忆效应将划分为难样本、简单样本数据集；对于中第j个样本的损失值计算公式如下： 将获取的所有样本损失值喂入二分量高斯混合模型GMM·，将所有样本进行分类，分类过程具体表达式如下： 其中，Aj表示中第j个样本的分类标签；根据分类标签将重新划分为标记样本集和未标记样本集，并重新构建为半监督流场预测数据集具体表达式如下： 其中，和表示重新划分的标记样本集和未标记样本集合，和表示和中的样本个数。

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四川大学;中国核动力研究设计院，其通讯地址为：610000 四川省成都市一环路南一段24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”。