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！

龙图腾网获悉西北工业大学申请的专利一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用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：CN119783522B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411868997.2，技术领域涉及：G06F30/27；该发明授权一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用是由王楠;万国宾;丁启民;马鑫设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用在说明书摘要公布了：本发明属于电子信息技术领域，公开了一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用，将待估计的超表面的结构参数向量所在的参数空间分成多个子集，使得各个子集对应的参数空间依次邻接但不重叠，对每个子集依次赋予从1开始的正整数索引值；在每个子集中，使用有限元法计算结构参数向量对应的高保真度电磁响应，并将结构参数向量视为输入，将高保真度电磁响应视为输出，配对形成第一类训练样本集；在每个子集中，构造一个伴随全连接深度学习模型和一个多保真度深度学习模型，并使用第一类训练样本集训练伴随全连接深度学习模型；对每一个索引不为1的子集，将该子集对应的第一类训练样本集中的结构参数向量作为前一个子集中的伴随全连接深度学习模型的输入，将前一个子集中的伴随全连接深度学习模型的输出视为当前子集的低保真度电磁响应，将当前子集中的结构参数向量、低保真度电磁响应视为输入，将高保真度电磁响应视为输出，配对形成第二类训练样本集；在每一个索引不为1的子集中，使用第二类训练样本集训练多保真度深度学习模型；本发明得到的多保真度深度学习模型能够准确估算超表面的电磁特性，并且为了达到相同的估算准确性性能指标，相比于仅使用高保真度训练样本的普通深度学习模型，所述多保真度深度学习模能够减少30％使用有限元法计算高保真度电磁响应的计算量。

本发明授权一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用在权利要求书中公布了：1.一种用于超表面电磁特性估算的多保真度深度学习模型构建方法，其特征在于，所述用于超表面电磁特性估算的多保真度深度学习模型构建方法包括： 将待估计的超表面的结构参数向量所在的参数空间分成多个子集，使得各个子集对应的参数空间依次邻接但不重叠，对每个子集依次赋予从1开始的正整数索引值，对应第一至二步： 第一步，使用均匀采样的方法在给定的参数空间中采样规模为n的超表面结构，所述超表面结构对应的参数向量可以用一个集合X＝{x1,x2,…,xn}表示； 第二步，将集合X划分成N个子集X＝{X1,X2,…,XM}，使得各个子集对应的参数空间依次邻接但不重叠，所述N个子集的大小表示为s1,s2,…,sN； 在每个子集中，使用有限元法计算结构参数向量对应的高保真度电磁响应，并将结构参数向量视为输入，将高保真度电磁响应视为输出，配对形成第一类训练样本集，对应第三至四步： 第三步，对于任意一个子集Xi1≤i≤N，使用有限元法计算集合Xi中每个向量xij1≤j≤si对应的超表面的高保真度电磁特性向量zij，得到集合 第四步，对于任意一个子集Xi1≤i≤N，将集合Xi中的结构参数向量视为输入，将集合Zi中的高保真度电磁特性向量视为输出，构建第一类训练样本集 在每个子集中，构造一个伴随全连接深度学习模型和一个多保真度深度学习模型，并使用第一类训练样本集训练伴随全连接深度学习模型，对应第五至六步： 第五步，在每一个子集Xi1≤i≤N中，构造一个伴随全连接深度学习模型ADFCi和一个多保真度深度学习模型MFNNi； 第六步，在每一个子集Xi1≤i≤N中，使用第一类训练样本集训练伴随全连接深度学习模型ADFCi； 对每一个索引不为1的子集，将该子集对应的第一类训练样本集中的结构参数向量作为前一个子集中的伴随全连接深度学习模型的输入，将前一个子集中的伴随全连接深度学习模型的输出视为当前子集的低保真度电磁响应，将当前子集中的结构参数向量、低保真度电磁响应视为输入，将高保真度电磁响应视为输出，配对形成第二类训练样本集，对应第七至八步： 第七步，在每一个索引不为1的子集Xi2≤i≤N中，将Xi中的结构参数向量作为ADFCi-1的输入，计算得到集合Xi中每个向量xij1≤j≤si对应的超表面的低保真度电磁特性向量yij，得到集合 第八步，在每一个索引不为1的子集Xi2≤i≤N中，将集合Xi中的结构参数向量以及集合Yi中的低保真度电磁特性向量视为输入，将集合Zi中的高保真度电磁特性向量视为输出，构建第二类训练样本集 在每一个索引不为1的子集中，使用第二类训练样本集训练多保真度深度学习模型，对应第九至十步： 第九步，在每一个索引不为1的子集Xi2≤i≤N中，使用第二类训练样本集训练多保真度深度学习模型MFNNi； 第十步，对于任意一个子集Xi，当i＝1时，使用ADFCi估算超表面的电磁特性，当i≠1时，使用MFNNi估算超表面的电磁特性。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。