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！

龙图腾网恭喜广州航海学院申请的专利基于半监督宽度学习系统的天线优化设计方法及设备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：CN118133652B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202410064663.3，技术领域涉及：G06F30/27；该发明授权基于半监督宽度学习系统的天线优化设计方法及设备是由田雨波;王晓燕;刘世安设计研发完成，并于2024-01-16向国家知识产权局提交的专利申请。

本基于半监督宽度学习系统的天线优化设计方法及设备在说明书摘要公布了：本发明公开了一种基于半监督宽度学习系统的天线优化设计方法及设备，方法包括步骤：构建待优化天线的结构模型；生成天线尺寸参数和对应的回波损耗值构成的数据集；将数据集划分为初始训练集、测试集和未标记样本数据集；采用初始训练集对卷积—宽度学习系统、卷积—堆叠宽度学习系统进行训练；将未标记样本数据集输入到训练后的卷积—宽度学习系统、训练后卷积—堆叠宽度学习系统进行预测得到伪标记数据，将伪标记数据加入到有标记样本训练数据集中；采用更新后的有标记样本训练数据集对卷积—宽度学习系统、卷积—堆叠宽度学习系统进行交叉训练、协同训练，直到得到满足设定规则的学习系统。本发明能降低天线优化设计过程中的计算成本。

本发明授权基于半监督宽度学习系统的天线优化设计方法及设备在权利要求书中公布了：1.一种基于半监督宽度学习系统的天线优化设计方法，其特征在于，包括步骤：步骤一、构建待优化天线的结构模型，并设定待优化天线所需要优化的尺寸范围；步骤二、生成天线尺寸参数和对应的回波损耗值构成的数据集；将数据集划分为初始训练集、测试集和未标记样本数据集；步骤三、采用初始训练集对卷积—宽度学习系统进行训练，包括：采用卷积神经网络的卷积算子对初始训练集进行特征提取，并将提取的数据特征与初始训练集进行数据融合形成增强数据，输入到宽度学习系统得到卷积—宽度学习系统；步骤四、采用初始训练集对卷积—堆叠宽度学习系统进行训练；步骤五、将未标记样本数据集输入到训练后的卷积—宽度学习系统、训练后卷积—堆叠宽度学习系统进行预测得到伪标记数据，将伪标记数据加入到有标记样本训练数据集中，包括：在未标记样本数据集中选取若干数据输入到训练后的卷积—宽度学习系统中进行预测得到第一伪标记数据，将第一伪标记数据加入到第一有标记样本训练集中，得到卷积—宽度学习系统更新的第一样本训练集；在未标记样本数据集中选取若干数据输入到训练后的卷积—堆叠宽度学习系统中进行预测得到第二伪标记数据，将第二伪标记数据加入到第二有标记样本训练集中，得到卷积—堆叠宽度学习系统更新的第二样本训练集；步骤六、采用卷积—宽度学习系统更新后的有标记样本训练数据集、卷积—堆叠宽度学习系统更新后的有标记样本训练数据集对卷积—宽度学习系统、卷积—堆叠宽度学习系统进行交叉训练、协同训练，直到得到满足设定规则的学习系统；所述采用卷积—宽度学习系统更新后的有标记样本训练数据集、卷积—堆叠宽度学习系统更新后的有标记样本训练数据集对卷积—宽度学习系统、卷积—堆叠宽度学习系统进行交叉训练的步骤，包括；采用第二样本训练集对卷积—宽度学习系统进行训练得到第三伪标记数据，并采用测试集对卷积—宽度学习系统进行测试，得到两者之间的第一误差；采用第一样本训练集对卷积—堆叠宽度学习系统进行训练得到第四伪标记数据，并采用测试集对卷积—堆叠宽度学习系统进行测试，得到两者之间的第二误差；将误差更小的伪标记数据增加到初始训练集中，更新标记样本训练集，从未标记样本数据集中删除该部分数据，更新未标记样本数据集；采用卷积—宽度学习系统更新后的有标记样本训练数据集、卷积—堆叠宽度学习系统更新后的有标记样本训练数据集对卷积—宽度学习系统、卷积—堆叠宽度学习系统进行协同训练的步骤，包括：采用经过交叉训练而更新后的标记样本训练集对卷积—宽度学习系统进行训练，并采用测试集对卷积—宽度学习系统进行测试，得到两者之间的第三误差；采用经过交叉训练而更新后的标记样本训练集对卷积—堆叠宽度学习系统进行训练，并采用测试集对卷积—堆叠宽度学习系统进行测试，得到两者之间的第四误差；若第三误差、第四误差中较小的值满足设定规则，则完成训练；若经过交叉训练、协同训练后不满足设定规则，则返回至所述步骤三；在所述步骤四中，采用卷积神经网络的卷积算子对初始训练集进行特征提取，并将提取的数据特征与初始训练集进行数据融合形成增强数据，输入到宽度学习系统，再根据设置的宽度学习系统特征窗口个数、特征节点个数、增强节点个数，依次生成特征节点和增强节点，并生成特征节点层和增强节点层，利用网格搜索法和岭回归算法计算底层宽度学习系统输出层的输出，并记录底层输出预测标记；进行堆叠层的计算，即使用底层输出作为上一层网络的输入，新构建一个宽度学习系统，期望输出是原输入样本数据的标记数据，以得到卷积—堆叠宽度学习系统。

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广州航海学院，其通讯地址为：510725 广东省广州市黄埔区红山三路101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”。