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！

龙图腾网获悉鹏城实验室申请的专利基于求逆归一化的模型优化方法、装置、设备和介质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：CN117151195B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202311050918.2，技术领域涉及：G06N3/084；该发明授权基于求逆归一化的模型优化方法、装置、设备和介质是由范登栋;刘勇翔;徐鹏翔;杨凯;田永鸿设计研发完成，并于2023-08-18向国家知识产权局提交的专利申请。

本基于求逆归一化的模型优化方法、装置、设备和介质在说明书摘要公布了：本发明提供了一种基于求逆归一化的模型优化方法、装置、设备和介质，方法包括：获取深度神经网络模型，并计算出深度神经网络模型中每个网络层的逆矩阵；根据每个网络层的逆矩阵得到Fisher信息矩阵的逆矩阵和多个中间梯度值；根据多个中间梯度值计算平均梯度项和平均平方项；根据Fisher信息矩阵的逆矩阵对平均平方项进行划分处理，得到每个网络层对应的梯度向量；对每个网络层的梯度向量进行归一化处理，得到单位化平均平方项；根据单位化平均平方项和平均梯度项调整深度神经网络模型中的待优化变量，得到优化后的深度神经网络模型，其中，本申请提供了一种能够在仅增加少量功耗的情况下优化神经网络的训练精度的模型优化方案，以提高模型性能。

本发明授权基于求逆归一化的模型优化方法、装置、设备和介质在权利要求书中公布了：1.一种基于求逆归一化的模型优化方法，其特征在于，包括： 获取已根据预设的样本数据集进行过初步训练的深度神经网络模型，并计算出所述深度神经网络模型中每个网络层的逆矩阵；其中，所述样本数据集包括分子的结构数据和性质数据；所述深度神经网络模型为用于对分子的结构和性质进行预测的SchNet网络模型； 根据每个所述网络层的逆矩阵得到Fisher信息矩阵的逆矩阵； 根据所述Fisher信息矩阵的逆矩阵得到多个中间梯度值； 根据多个所述中间梯度值计算平均梯度项和平均平方项； 根据所述Fisher信息矩阵的逆矩阵对所述平均平方项进行划分处理，得到每个所述网络层对应的梯度向量； 对每个所述网络层的梯度向量进行归一化处理，得到单位化平均平方项； 根据所述单位化平均平方项和所述平均梯度项调整所述深度神经网络模型中的待优化变量，得到优化后的深度神经网络模型； 输入目标分子相关数据至优化后的SchNet网络模型，以根据所述优化后的SchNet网络模型的输出结果对所述目标分子对应的分子结构和分子性质进行预测处理。

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鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街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”。