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！

龙图腾网恭喜中南大学申请的专利基于合作博弈论的卷积神经网络神经元可解释性评估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：CN117236393B 。

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：202311076052.2，技术领域涉及：G06N3/06；该发明授权基于合作博弈论的卷积神经网络神经元可解释性评估方法是由周芳芳;沈海誉;刘志鹏;杨雷;张睿晨;谭依静;张健;郭克华;赵颖设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本基于合作博弈论的卷积神经网络神经元可解释性评估方法在说明书摘要公布了：本发明提供了一种基于合作博弈论的卷积神经网络神经元可解释性评估方法，通过量化单个神经元的可解释性度和单层神经元的可解释性度量实现对卷积神经网络神经元可解释性评估。首先使用反向导向传播算法实现单个神经元的特征可视化，得到单个神经元的GBP图像；根据合作博弈论理论计算单个像素对预测输入图像属于某一类别的贡献度，从而得到SHAP图像。通过计算GBP图像和SHAP图像的相似度得到单个神经元的可解释性度量值，对单层内所有神经元的可解释性度量值求平均得到单层神经元可解释性度量值。本发明的指标提供了符合人类直觉的神经元可解释性度量方式，且计算高效。

本发明授权基于合作博弈论的卷积神经网络神经元可解释性评估方法在权利要求书中公布了：1.一种基于合作博弈论的卷积神经网络神经元可解释性评估方法，其特征在于，包括以下步骤：S1、确定输入图像和卷积神经网络模型；输入图像包括尺寸、三通道像素值构成的三维矩阵，所述卷积神经网络模型包括模型的层数、各层参数；S2、根据输入图像在模型中传播执行的计算，获取模型中不同层、不同神经元处的GBP图像；S3、根据输入图像输入模型后得到的预测结果，计算对应的Shapley值数据，并根据Shapley值获得SHAP图像；S4、将特征可视化图像和SHAP图像进行归一化处理；S5、确定不同神经元的量化可解释性；S6、根据神经元的量化可解释性确定神经元所在层的可解释性；神经网络模型处理的输入图像P的尺寸为m×n，令M＝m×n，所述S3具体包括以下步骤：S31、对输入图像P像素从零开始从左到右、从上到下依次编号；初始化由M个二进制元素0和1组成的一维数据z'来表示输入变量的不同组合，其中0表示对应位置像素不存在，1表示对应位置像素存在；总共得到M个数据z’；S32、保留S31得到的数据z’中为1的位置对应的像素值，将为0的位置对应的像素值修改为周围8个像素的平均值，得到映射hxz'；然后将hxz'输入卷积神经网络模型得到预测结果fhxz'；S33、计算每一个数据z'对应的权重πxz'： 其中，|z'|表示数据z'中0的个数，πx表示权重计算函数，表示从M个不同的数中取|Z'|个数的方案数，S34、拟合线性模型：线性回归模型gz'如下： 其中，z’∈{0,1}M，i对应输入图像P的像素编号，表示zi'的权值，表示需要拟合的线性回归模型的系数；通过损失函数L计算模型预测结果的损失值： 通过最小二乘法拟合该模型得到线性模型的系数作为每一个输入变量z'i的Shapley值；S35、将Shapley值数据作为图片的灰度值依次填充进每个像素，得到对应输入图像的SHAP图像；所述S4具体步骤为，先对GBP图像和SHAP图像进行归一化，将其映射到[0，1]区间： 其中xnorm是归一化后的像素值，x是该通道的像素原始值，maxx表示该通道像素值的最大值，minx表示该通道像素值的最小值。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。