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！

龙图腾网获悉清华大学申请的专利一种基于有界正交约束的可解释神经网络优化方法与系统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：CN115796260B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202211566219.9，技术领域涉及：G06N3/08；该发明授权一种基于有界正交约束的可解释神经网络优化方法与系统是由周杰;鲁继文;张博睿;郑文钊设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种基于有界正交约束的可解释神经网络优化方法与系统在说明书摘要公布了：本发明公开了一种基于有界正交约束的可解释神经网络优化方法与系统，该方法包括：获取训练数据集；利用训练数据集训练神经网络模型参数；其中，神经网络模型参数包括，基于有界性约束的神经网络模型权重参数和基于正交性约束的同层神经网络权重参数；基于有界性约束和正交性约束构建优化目标的损失函数，并对神经网络模型参数进行优化，直到损失函数收敛以更新神经网络模型参数得到训练好的神经网络模型。本发明能够获得具备较强可解释性的神经网络模型，该模型能够实现高精度回溯重建及显著性图生成，同时提升模型的分类性能，以提高自动驾驶等高可靠行业中应用黑盒模型的信任度。

本发明授权一种基于有界正交约束的可解释神经网络优化方法与系统在权利要求书中公布了：1.一种基于有界正交约束的可解释神经网络优化方法，其特征在于，包括以下步骤： 获取训练数据集； 利用所述训练数据集训练神经网络模型参数；其中，所述神经网络模型参数包括，基于有界性约束的神经网络模型权重参数和基于正交性约束的同层神经网络权重参数； 基于所述有界性约束和正交性约束构建优化目标的损失函数，并对所述神经网络模型参数进行优化，直到所述损失函数收敛以更新神经网络模型参数得到训练好的神经网络模型； 其中，在得到所述训练好的神经网络模型之后，所述方法，还包括： 将图像数据输入所述训练好的神经网络模型，根据图像数据每个通道最大激活值得到顶层特征的最显著的多个通道； 对每个通道执行重建任务分别得到多个重建结果，利用预设的阈值对所有的重建结果进行二值化得到遮罩集合； 根据激活值对所述遮罩集合中所有的遮罩进行加权求和得到最终的显著性图； 基于所述有界正交约束的约束条件得到有约束优化问题： 利用拉格朗日乘子法将有约束优化问题转换为无约束问题： 其中，及分别是权重和偏置参数，为权重的行向量，为训练数据集。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。