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！

龙图腾网获悉珠海市数舟科技有限公司申请的专利数据处理方法、装置、设备和存储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：CN120354903B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510847204.7，技术领域涉及：G06F30/27；该发明授权数据处理方法、装置、设备和存储介质是由闫亮;曾社铨;陈汪设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本数据处理方法、装置、设备和存储介质在说明书摘要公布了：本发明公开了一种数据处理方法、装置、设备和存储介质，通过提供针对物理感知神经网络的不确定性量化方法，旨在解决现有技术在求解含物理约束的复杂问题时进行不确定性评估的效率瓶颈。本发明提出，在预训练的PINNs模型中，通过一种矩传递解析算法，在单次前向传播中逐层计算神经元输出的期望与方差，该方法替代了依赖海量采样的蒙特卡洛模拟，从根本上解决了其在高维、非线性物理系统仿真中因计算成本过高而难以应用的痛点。最终，本发明在不牺牲量化精度的前提下，实现了对模型预测的实时、可靠的不确定性评估，为PINNs在诸如数字孪生、医疗诊断、航空航天等对安全性和实时性有严苛要求的领域的应用提供了关键技术支持。

本发明授权数据处理方法、装置、设备和存储介质在权利要求书中公布了：1.一种数据处理方法，其特征在于，包括： 获取待预测数据；其中，所述待预测数据为医学影像数据或工业检测图像； 将所述待预测数据输入到预先训练好的物理感知神经网络模型中，其中，所述物理感知神经网络模型的训练过程融合了物理定律作为约束条件，以使所述物理感知神经网络模型执行矩传递计算，并输出预测值和目标方差； 根据所述预测值和所述目标方差构建置信区间； 根据所述置信区间确定所述预测值的不确定性量化结果；其中，所述不确定性量化结果用于表征所述预测值的可靠程度； 其中，所述物理感知神经网络模型包括至少一个矩传递架构；所述矩传递架构中的每一层均向后传递期望值和方差值，每一所述矩传递架构包括依次连接的线性层、归一化层、激活函数层和丢弃层； 所述线性层利用权重矩阵和偏置，对输入的第一期望和第一方差进行线性变换，并输出第二期望和第二方差，满足以下公式： （1）； （2）； 其中，为权重矩阵，为权重矩阵的转置矩阵；为偏置；为第一期望，第一期望为所述待预测数据的分布均值；为第一方差，第一方差为所述待预测数据的分布方差；为第二期望；为第二方差； 所述归一化层利用归一化参数，对输入的所述第二期望和所述第二方差进行归一化计算，并输出第三期望和第三方差，满足以下公式： （3）； （4）； 其中，为第三期望；为第三方差；分别为第一网络参数和第二网络参数，起到缩放偏移作用；分别为期望系数和方差系数，起到归一化作用；共同组成归一化参数；为一固定常数，用于防止公式中的分母为0； 所述激活函数层利用激活函数，对输入的所述第三期望和所述第三方差进行函数运算，并输出第四期望和第四方差；其中，所述激活函数为能够进行高阶求导以满足所述物理定律约束计算需求的平滑函数，所述平滑函数为Sigmoid函数、Tanh函数或Swish函数； 所述丢弃层根据所述第四期望和所述第四方差，通过预设的丢弃概率进行随机丢弃，并输出第五期望和第五方差。

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珠海市数舟科技有限公司，其通讯地址为：519000 广东省珠海市高新区唐家湾镇新沙三路188号15栋305-2；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”。

以上内容由龙图腾AI智能生成。