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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于扩散进化算法的神经架构搜索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：CN119886226B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510370248.5，技术领域涉及：G06N3/0464；该发明授权一种基于扩散进化算法的神经架构搜索方法是由蔡坪元;薛羽;田伟;徐昕;钟水明;项正龙;王修来;许艳丹设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本一种基于扩散进化算法的神经架构搜索方法在说明书摘要公布了：本发明公开了一种基于扩散进化算法的神经架构搜索方法，该方法首先构建超网，该超网包括子网，每个子网通过连续编码为每条连接边上的每个操作赋予权重；然后获取不同类别的图片构建成数据集；最后对超网权重和子网编码进行交替优化，直至满足约束条件时停止优化，得到最优子网编码，进而得到神经网络的架构。本发明创新性地将扩散模型的迭代去噪机制与进化算法的全局搜索策略相融合，通过结合扩散模型的去噪机制与进化算法的全局搜索能力，构建超网并交替优化网络权重和子网编码；利用自适应噪声调度和密度估计，增强种群多样性，避免局部最优，能够更好地找到适合任务的最优神经网络架构。

本发明授权一种基于扩散进化算法的神经架构搜索方法在权利要求书中公布了：1.一种基于扩散进化算法的神经架构搜索方法，其特征在于，包括如下步骤：步骤1，构建超网，该超网包括个子网，每个子网通过连续编码为每条连接边上的每个操作赋予权重，编码形式为M×N的矩阵，其中M表示超网内连接边的数量，N表示每条连接边上设置的N种候选操作；步骤2，获取不同类别的图片构建成数据集，按比例划分为训练数据集和验证数据集；步骤3，对超网权重和子网编码进行交替优化，直至满足约束条件时停止优化，得到最优子网编码，进而得到神经网络架构；其中利用训练数据集及其标签对超网权重进行训练优化，利用扩散进化算法对子网编码进行优化；利用扩散进化算法对子网编码进行优化包括如下步骤：步骤301，从正态分布中采样初始化种群个体，种群表示为，其中，表示维的单位矩阵，表示编码维度，T表示总迭代次数，表示种群中个体，每个个体包括子网编码和伸缩因子，每个个体的编码维度满足：，t表示当前迭代次数，表示实数集，将第t时间步的第i个个体的编码方式表示为，Q表示转置，表示第t时间步第i个个体的第M条连接边的编码方式，表示第t时间步第i个个体的编码信息中，第N个位置对应第N种候选操作的取值，表示第t时间步、第i个个体编码中对应第N种候选操作取值的下限，表示第t时间步、第i个个体编码中对应第N种候选操作取值的上限；表示第t时间步第i个个体的伸缩因子，为0至1之间的随机数；步骤302，利用反向去噪过程更新种群个体，更新公式为： ，式中，表示余弦调度，表示噪声方差，表示噪声注入；步骤303，使用验证数据集计算每个个体的适应度值，计算公式为： ，式中，B表示验证数据集中的批次数量，表示第b个样本对应第c类别的真实标签，表示模型基于参数对验证数据集中的第b个样本预测为类别c的概率，C表示总类别数；步骤304，比较第t时间步第i个个体和更新后个体的适应度值，较高者保存到下一代种群内，表示为： ，式中，表示保存到下一代的个体，包括子网编码和伸缩因子，表示第t时间步中第i个个体，表示与当前遍历的个体对应的经扩散演化算子处理得到的个体，表示个体内的子网编码的适应度值，表示个体内的子网编码的适应度；步骤305，通过概率表示函数将个体的适应度值转换为选择概率，利用选择概率引导种群个体的更新；步骤306，更新当前迭代时间步，跳转至步骤302，直至达到最大迭代次数时停止迭代；噪声注入的赋值规则为： ，式中，表示种群均值。

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南京信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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”。