清华大学李升波获国家专利权
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！
龙图腾网获悉清华大学申请的专利一种用于伊辛机的多层前馈神经网络训练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：CN117313819B 。
龙图腾网通过国家知识产权局官网在2025-12-26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：202311379749.7，技术领域涉及：G06N3/082；该发明授权一种用于伊辛机的多层前馈神经网络训练方法是由李升波;宋绪杰;刘童;段京良;王文轩;成波设计研发完成，并于2023-10-23向国家知识产权局提交的专利申请。
本一种用于伊辛机的多层前馈神经网络训练方法在说明书摘要公布了：本发明公开了一种用于伊辛机的多层前馈神经网络训练方法，该方法包括监督学习任务构建、问题形式转化、网络参数求解；其中监督学习任务构建是在训练数据集和量化神经网络参数上进行的二次有约束二值优化问题建模；其中问题形式转化是将构建的二次有约束二值优化问题转化为二次无约束二值优化问题；其中网络参数求解是在伊辛机上求解二次无约束二值优化问题的最优解，并对最优解进行解码得到最优量化神经网络参数，得到训练好的多层前馈神经网络。本发明实现了在伊辛机上训练多层前馈神经网络，作为一种非梯度训练方法提供了传统反向传播方法的替代方法。
本发明授权一种用于伊辛机的多层前馈神经网络训练方法在权利要求书中公布了：1.一种用于伊辛机的多层前馈神经网络训练方法，其特征在于，所述方法包括监督学习任务构建、问题形式转化、网络参数求解；其中， 所述监督学习任务构建是在训练数据集和量化神经网络参数上进行的二次有约束二值优化问题建模； 所述问题形式转化是将构建的二次有约束二值优化问题转化为二次无约束二值优化问题； 所述网络参数求解是在伊辛机上求解二次无约束二值优化问题的最优解，并对所述最优解进行解码得到最优量化神经网络参数，从而得到训练好的多层前馈神经网络； 将所述训练数据集和量化神经网络参数构建为二次有约束二值优化问题，包括： 将线性变换和激活函数作为等式约束从而表示量化神经网络的前馈拓扑； 使用二进制表示规则对所有的优化变量进行编码，以建立优化变量与伊辛机的自旋之间的关系； 所述激活函数的约束表示方法，包括： 将激活函数表示为不等式约束； 利用在不等式约束基础上引入辅助变量，使不等式约束转化为等式约束。
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。
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