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！

龙图腾网获悉吉林大学申请的专利一种基于LLM和贝叶斯优化的网络动力学符号回归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：CN120471099B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510978826.3，技术领域涉及：G06N3/042；该发明授权一种基于LLM和贝叶斯优化的网络动力学符号回归方法是由崔佳旭;李奇霏;孙冰怡;杨博设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本一种基于LLM和贝叶斯优化的网络动力学符号回归方法在说明书摘要公布了：本发明适用于计算机技术领域，提供了一种基于LLM和贝叶斯优化的网络动力学符号回归方法。本发明无需预定义基函数库，以自然语言融入物理先验引导LLM生成方程，进一步提升生成方程的质量并加快搜索进程；同时利用贝叶斯优化这一序列化优化方法，高效搜索全局最优解，提高生成方程的准确度，为符号模型搜索提供了一种高效、智能的解决方案。本发明在多种网络动力学场景实验表明，在无需额外预定义基函数库的情况下，通过LLM生成候选方程与贝叶斯优化的高效搜索相结合，有效融合了先验知识，大幅提高发现方程精度与搜索效率，所得方程的准确率远高于目前基于GNN结合GP（GG）、预定义函数库稀疏回归（TPSINDy）等方法。

本发明授权一种基于LLM和贝叶斯优化的网络动力学符号回归方法在权利要求书中公布了：1.一种基于LLM和贝叶斯优化的网络动力学符号回归方法，其特征在于，包括以下步骤： 步骤1：LLM生成候选方程； 收集网络动力学领域知识作为LLM的提示词，调用LLM生成候选方程，直至生成的方程数量达到预设值，构成初始搜索种群并加入候选方程集合； 步骤2：贝叶斯优化搜索最优解，具体包括： 子步骤2.1：构建并训练代理模型，将方程文本描述通过嵌入模型转换为向量，以神经网络预测适应度值； 子步骤2.2：设计采集函数，选择最有潜力的方程； 子步骤2.3：迭代更新代理模型，直至找到最优解或达到预设迭代次数； 所述子步骤2.1中，代理模型为基于前馈神经网络的集成回归模型，采用快照集成技术，具体包括： 在训练过程中保存模型快照，将快照的预测结果进行平均，获得代理模型对同一个输入的不同预测；公式如下： ； 其中：为方程的嵌入向量，表示代理模型对方程嵌入向量的适应度预测值；表示第个基模型的适应度预测值；是基模型的数量；是基模型的索引值； 代理模型的预测均值和方差公式如下： ； ； 其中：为方程的嵌入向量，表示代理模型得到的方程嵌入向量的预测均值；表示代理模型得到的方程嵌入向量的预测方差；表示代理模型得到的方程嵌入向量的预测标准差； 步骤3：评估候选方程并计算适应度值； 预处理网络动力学观测数据为结构化数据，提取节点状态及邻居关系； 对待评估的方程组合，通过拟牛顿法优化常数项，以归一化均方误差作为适应度值； 步骤4：判断是否存在真实方程； 若存在则输出其方程形式并结束流程；若不存在，则将已评估的最有潜力的方程作为知识补充至LLM的提示词，返回步骤1继续生成候选方程。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。