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！

龙图腾网获悉沈阳工业大学申请的专利一种SA-CNN测量模型构建及磨削螺杆曲面表面粗糙度测量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：CN117151168B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202311109596.4，技术领域涉及：G06N3/0464；该发明授权一种SA-CNN测量模型构建及磨削螺杆曲面表面粗糙度测量方法是由杨赫然;张培杰;孙兴伟;潘飞;董祉序;刘寅;赵泓荀;穆士博设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种SA-CNN测量模型构建及磨削螺杆曲面表面粗糙度测量方法在说明书摘要公布了：本发明公开了一种SA‑CNN测量模型构建方法，步骤如下：S1、确定网络初始结构，包括卷积层、池化层、全连接层和激活层，并初步试验模型效果；S2、添加相应自注意力层和丢弃层层次结构，提高网络模型训练效果；S3、根据S2已确定的网络结构对图片样本训练，将得到的预测值与实际值的误差函数作为模型评定标准，调整各网络层超参数直到误差函数达到模型测量最小误差标准为止；S4、输出训练好的模型。本方法构建了SA‑CNN模型，通过添加网络层改善了卷积神经网络训练中存在训练速度慢、出现过拟合、训练结果误差大等现象，能够在给定测量样本条件下快速准确测量出工件表面粗糙度。

本发明授权一种SA-CNN测量模型构建及磨削螺杆曲面表面粗糙度测量方法在权利要求书中公布了：1.一种SA-CNN测量模型构建方法，其特征在于：包括制作SA-CNN测量模型和数据集制作； 制作SA-CNN测量模型的步骤如下： S1、确定网络初始结构，包括卷积层、池化层、全连接层和激活层，并初步试验模型效果； S2、添加相应自注意力层和丢弃层层次结构，提高网络模型训练效果； S3、根据S2已确定的网络结构对图片样本训练，将得到的预测值与实际值的误差函数作为模型评定标准，调整各网络层超参数直到误差函数达到模型测量最小误差标准为止； S4、输出训练好的模型，通过将待测量表面图像输入模型，得到对应粗糙度数值，完成测量； 数据集制作步骤如下： 1进行图像样本获取； 2对得到表面图像进行数据增强； 3对得到表面图像进行预处理； 4制作数据集，并带入到SA-CNN测量模型的所述卷积层中； 所述激活层通过将输入信号通过非线性激活函数进行转换，提供给网络非线性建模能力，使得神经网络可以学习和表示更加复杂的模式和关系；所述非线性激活函数为GeLU激活函数，通过将输入值带入定义的函数表达式来计算输出值，其计算公式为： ； 批量归一化层对该层的所有数据进行归一化处理，对于每个输入，批归一化层会计算均值和方差，并对输入数据进行归一化处理；这将使数据的均值接近于0，标准差接近于1，从而加速训练过程并提高模型的性能，利用如下公式处理批量数据： ； 其中表示批归一化之后的数据，表示这个批量样本的均值，表示样本方差；批量归一化对数据做了拉伸和偏移即参数α和参数β； 所述丢弃层通过在训练过程中随机丢弃一部分神经元的输出，防止神经网络过度依赖特定的神经元之间的关系，从而提高模型的泛化能力； 所述自注意力层将输入序列中的每个图像特征向量与其他特征向量进行相似性计算，然后根据相似性得分给每个元素分配不同的权重；这样，每个元素都可以根据其他元素的重要性进行加权聚合，得到一个综合的表示，其计算过程如下： 1输入序列经过三个矩阵变换得到三个特征矩阵：查询q、键k和值v矩阵； 2对于每个查询向量q，计算其与所有键向量k的相似性得分，使用点积注意力方式计算得分； 3对得分进行归一化处理，得到注意力权重； 4使用注意力权重对值向量v进行加权求和，得到聚合后的表示；其计算过程公式如下： ； 式中dk表示向量的维度；softmax为将分数进行归一化的操作，T表示矩阵转置。

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沈阳工业大学，其通讯地址为：110020 辽宁省沈阳市经济技术开发区沈辽西路111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。