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！

龙图腾网恭喜泉州市金同信息科技有限公司申请的专利基于生成式人工智能的私有化大模型构建方法及系统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：CN119398004B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510012358.4，技术领域涉及：G06F40/16；该发明授权基于生成式人工智能的私有化大模型构建方法及系统是由洪志令;张恒彰;陈紫莹;何炜文;洪经纬设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本基于生成式人工智能的私有化大模型构建方法及系统在说明书摘要公布了：本发明公开了一种基于生成式人工智能的私有化大模型构建方法及系统，涉及私有化大模型技术领域，所述方法包括由企业内部系统或金融数据库获取数据源，对数据预处理，建立私有化大模型，基于生态位动态优化算法进行前馈网络参数的调优，并基于非平衡动态优化的自编码神经网络算法优化网络训练过程。本发明有效克服传统优化算法在高维金融数据中容易陷入局部最优的问题，能够更好地应对金融市场中数据的快速变化和复杂特性，提升了模型在面对金融数据中的异常值、噪声和极端事件时的鲁棒性，增强模型的稳定性和预测准确性。

本发明授权基于生成式人工智能的私有化大模型构建方法及系统在权利要求书中公布了：1.一种基于生成式人工智能的私有化大模型构建方法，其特征在于，包括：S1、数据获取：由企业内部系统或金融数据库获取数据源，其中包括财务记录、交易记录、市场数据或信用数据；S2、数据预处理，其中包括文本预处理、文本标准化、信息脱敏、审查与验证；S3、建立私有化大模型；采用基于Transformer网络的架构作为大模型基础架构，所述架构包括编码器和解码器两部分组成，其中编码器将输入特征映射为一系列上下文感知的向量表示，解码器则将这些向量表示逐步解码为目标特征；S4：模型训练，在前馈网络的训练过程中基于生态位动态优化算法进行前馈网络参数的调优，并基于非平衡动态优化的自编码神经网络算法优化网络训练过程；生态位动态优化算法通过模拟种群内的个体，每个个体代表一组前馈网络参数，使每个个体在迭代过程中通过损失函数表示竞争和适应环境来优化；所述步骤S4中在前馈网络的训练过程中基于生态位动态优化算法进行前馈网络参数的调优包括：前馈网络的损失函数表示为：，适应度函数表示为：，式中，为前馈网络的权重；为前馈网络的偏置；是正弦和指数函数的混合型激活函数，是当前批次输入到前馈网络的金融数据样本数，是输入到前馈网络的第个金融数据样本的目标输出，是输入到前馈网络的第个金融数据样本的特征；为前馈网络的损失函数；所述基于非平衡动态优化的自编码神经网络算法还包括：自编码神经网络的重构输出与原始输入金融数据进行比较，计算损失函数，损失函数计算方式表示为：，式中，为自编码神经网络的损失函数；为L2范数；为自编码神经网络的平衡参数，为非平衡状态评估函数，表示第维的信息流非平衡度；是自编码神经网络的正则化参数，用于控制噪声注入对损失函数的影响，确保噪声不会过度影响模型训练；为L1范数；为自编码神经网络输入的自适应噪声；所述基于非平衡动态优化的自编码神经网络算法还包括：所述非平衡状态评估函数的计算方式表示为：，式中，是非平衡状态调节参数，表示对非平衡度的敏感性；信息流非平衡度的计算方式表示为：，式中，表示自编码神经网络的隐藏层的神经元数量；是一个正实数，用以强化权重向量中较大值的影响；是自编码神经网络的第层权重的Frobenius范数；是Frobenius范数；是自编码神经网络的第层权重；是自编码神经网络的第层第个神经元的权重值。

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泉州市金同信息科技有限公司，其通讯地址为：362012 福建省泉州市洛江区洛滨北路55号后埭小区3幢301室；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”。