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！

龙图腾网获悉南京邮电大学申请的专利基于连续学习的波束成形深度神经网络训练方法及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：CN115470892B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211261064.8，技术领域涉及：G06N3/0464；该发明授权基于连续学习的波束成形深度神经网络训练方法及系统是由夏文超;周欢;徐林林;吕锦钰;倪艺洋;赵海涛设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本基于连续学习的波束成形深度神经网络训练方法及系统在说明书摘要公布了：本发明公开了基于连续学习的波束成形深度神经网络训练方法及系统，该系统包括内存集模块、混合模块、波束成形矩阵恢复模块、神经网络模块。进入新时隙，在每个时隙的训练过程中，将内存集与当前时隙样本集混合供模型进行训练，在当前时隙的训练周期结束后，将内存集和当前时隙样本集送入训练后的模型产生预测输出。针对所有样本的预测值，模型计算性能函数值，依据每个样本性能，按不同比例从内存集和当前时隙样本集中挑选性能表现差的样本更新内存集，再次进入新的时隙时，并迭代执行上述步骤，获得最优模型权重。本发明基于连续学习的波束成形深度神经网络训练方法适应动态变化的实际通信环境，在信道分布变化的情况下保持良好的通信性能。

本发明授权基于连续学习的波束成形深度神经网络训练方法及系统在权利要求书中公布了：1.基于连续学习的波束成形深度神经网络训练方法，其特征在于，包括以下步骤: S1、获得当前时隙t的信道数据，以及该信道数据对应的上行功率向量标签值构建当前时隙t的训练映射对Dt； S2、基于已知的信道样本数据Mt，将时隙t的训练映射对Dt和信道样本数据Mt前后堆叠后随机打乱，构成训练映射对集合Mt∪Dt，以训练映射对集合Mt∪Dt中各个样本的信道数据为输入、训练映射对集合中各个信道数据对应的上行功率向量标签值为输出构建并迭代训练神经网络模型；同时在迭代训练过程中利用最小均方误差函数作为损失函数进行监督学习，直到遍历所有的训练映射对集合Mt∪Dt，获得神经网络模型，以及所述神经网络模型的最优权重Θ； S3、利用训练好的神经网络模型，将训练映射对集合Mt∪Dt中各个样本的信道信息输入至该神经网络模型，获得预测的上行功率分配向量； S4、将预测的上行功率分配向量输入至波束成形矩恢复模块，利用闭式解获得预测的波束成形矩阵； S5、基于预测的波束成形矩阵，以及训练映射对集合Mt∪Dt，利用性能函数计算所述预测的波束成形矩阵和速率与训练映射对集合Mt∪Dt最优和速率的负比率，根据该负比率按照预设方法A分别针对Mt、Dt选出符合预设条件的映射对，将该映射对堆叠打乱获得信道样本数据Mt+1，并将信道样本数据Mt+1更新为信道样本数据Mt，之后返回步骤S1。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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。