北京工业大学刘波获国家专利权
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！
龙图腾网获悉北京工业大学申请的专利一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类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：CN116091839B 。
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：202310164372.7，技术领域涉及：G06V10/764；该发明授权一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类方法是由刘波;李国坤设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。
本一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类方法在说明书摘要公布了：一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类方法，属于深度学习领域。目前神经网络在图像分类领域应用广泛，但其收敛到局部最优解甚至全局最优解，需要通过梯度下降算法进行迭代，耗费较多的计算资源和时间。本发明从该问题出发，将具体的图像分类数据集划分子集，对每个子集求解最优线性拟合函数，并在相邻子集间添加辅助线性段，通过max‑min方式构建连续分段线性函数。根据ReLU激活函数的基本性质构建深度ReLU神经网络，使得网络输出为目标连续分段线性函数。通过理论和实验验证当前网络参数对应于一个局部最优解。本发明通过数据集样本空间的划分，极大提升深度ReLU神经网络找到局部最优解的效率。
本发明授权一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类方法在权利要求书中公布了：1.一种基于样本空间划分构建深度ReLU神经网络局部最优解的图像分类方法，其特征在于，包含以下几个步骤： 步骤1：准备图像分类数据集，并将数据集划分为N个不相交子集，M为数据集中样本点的数量，1N≤M； 步骤2：构建单隐层神经网络，对每个子集求解最优线性拟合函数； 步骤3：在相邻两子集间的空白区域构建辅助线性函数，连接相邻两个子集的最优线性拟合函数，保证在构成连续分段线性函数后，每个线性函数仍负责对应子集范围的样本点； 步骤4：通过max-min表示方法，将每个子集的最优线性拟合函数以及辅助线性函数构成一条连续分段线性函数； 步骤5：构建深度ReLU神经网络，使其输出步骤4中的连续分段线性函数，完成图像分类任务； 步骤6：验证步骤5中所构建的深度ReLU神经网络参数是否为当前网络架构下的一个局部最优解。
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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励