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！

龙图腾网获悉云南大学申请的专利一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的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：CN114861436B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210483041.5，技术领域涉及：G06F30/20；该发明授权一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的方法是由康雁;杨学昆;彭陆含;王鑫超;谢文涛;张华栋;袁艳聪;李信衍设计研发完成，并于2022-05-05向国家知识产权局提交的专利申请。

本一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的方法在说明书摘要公布了：本发明公开了一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的方法，包括：对钢铁疲劳强度数据进行处理，利用动态图构建方法将钢铁材料疲劳强度序列数据构建成为图数据；有效的将特征金字塔和图卷积网络进行融合，构建预测钢铁疲劳强度的模型，预测钢铁疲劳强度。本发明创新性的将钢铁材料疲劳强度系列数据通过图构建方法构建成为图数据，而且首次创新性的将特征金字塔和图卷积神经网络结合用于钢铁材料疲劳强度的预测，利用图卷积神经网络和特征金字塔的优势互补，合理的解决两种算法本身存在的问题，在解决钢铁材料疲劳强度的预测问题上取得显著的成果。

本发明授权一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的方法在权利要求书中公布了：1.一种融合特征金字塔的图卷积网络预测钢铁疲劳强度的方法，其特征在于，包括：对钢铁疲劳强度数据进行处理，利用动态图构建方法将钢铁材料疲劳强度序列数据构建成为图数据；有效的将特征金字塔和图卷积网络进行融合，构建预测钢铁疲劳强度的模型，预测钢铁疲劳强度； 具体包括以下步骤： 步骤一：采集钢铁疲劳数据集，进行数据清洗，获得影响钢铁疲劳强度的属性特征； 步骤二：对原始采集的钢铁疲劳数据集进行预处理，使用相似度矩阵对属性特征进行处理，去除钢铁疲劳数据中的冗余数据和特征，对处理后的数据进行特征工程和标准化处理得到所需数据集； 步骤三：使用动态图创建方法将数据构建图结构； 步骤四：从所学习到的全连接图提取稀疏图，并将不同特征之间的相似矩阵作为邻接矩阵； 步骤五：将特征金字塔和图卷积网络进行融合，构建预测钢铁疲劳强度的模型； 步骤六：使用构建的模型对图嵌入后的数据进行训练，并调整和优化模型； 步骤七：利用模型预测钢铁疲劳强度； 步骤三中的动态图创建方法包括：通过学习成对节点相似性的结构感知注意机制来度量节点之间的相似度，利用以下公式计算构建图结构，公式所示： 其中，表示连接节点和在第层图神经网络层的相似度；表示节点的嵌入向量，表示连接节点和的边的嵌入向量，表示节点在第层图神经网络层的嵌入向量，和分别是可训练的权向量和权重矩阵； 步骤五中的预测钢铁疲劳强度的模型包括：5个层次的图像金字塔，为两组卷积层、池化层、全连接层、dropout层、全连接和激活层；每一个层次都是一个上下文层—层次层—上下文层的三层结构；上下文层只使用上下文边，上下文边用于在同一层次内传播上下文信息，在同一层次内传播上下文信息；而层次层只使用修剪过的层次边，层次边用于弥补不同层次之间的语义差距； 步骤五中构建预测钢铁疲劳强度的模型的方法: 在模型的架构中，使用GCblock将输入数据复制增加为三份，记为数据，数据，数据；数据经过一个1*1的卷积核进行特征提取后由Softmax函数进行激活；再将其与数据进行乘积的结果放入1*1的卷积核；经过卷积后的结果被放入一个LN层后由ReLU函数激活，将得到的结果再次放入1*1的卷积核中；最后将得到的结果与数据进行融合并且输出；所述GCblock表示为： 其中，是全局注意力池化层的权值， 表示为BoTNet。

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云南大学，其通讯地址为：650091 云南省昆明市五华区翠湖北路2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”。