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！

龙图腾网获悉西安电子科技大学申请的专利一种基于统一模型检测的神经网络训练性质验证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：CN116911355B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310685300.7，技术领域涉及：G06N3/0464；该发明授权一种基于统一模型检测的神经网络训练性质验证方法是由赵亮;高宇;王小兵;段振华;田聪设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本一种基于统一模型检测的神经网络训练性质验证方法在说明书摘要公布了：本发明公开了一种基于统一模型检测的神经网络训练性质验证方法，包括：按照层次化和模块化的原则，构建待验证的神经网络的MSVL形式化模型，MSVL形式化模型包括结构构建和基础行为构建；挖掘神经网络的训练相关性质并将训练相关性质构建为PPTL公式，训练相关性质包括梯度消失现象、梯度爆炸现象、大量神经元失活现象以及网络训练收敛；结合MSVL形式化模型和PPTL公式对神经网络进行验证，以判断神经网络中是否存在训练相关性质问题。本发明以神经网络的MSVL模型和PPTL公式为输入执行统一模型检测方法完成验证，可以有助于有效发现神经网络结构中存在的问题，改善神经网络的训练效果，为神经网络的训练和应用提供更加可靠和安全的保障。

本发明授权一种基于统一模型检测的神经网络训练性质验证方法在权利要求书中公布了：1.一种基于统一模型检测的神经网络训练性质验证方法，其特征在于，包括： S1：按照层次化和模块化的原则，构建待验证的神经网络的MSVL形式化模型，所述MSVL形式化模型包括结构构建和基础行为构建，所述神经网络的任务为手写数字识别，选取的数据样本集为数字图片； S2：挖掘所述神经网络的训练相关性质并将所述训练相关性质构建为PPTL公式，所述训练相关性质包括梯度消失现象、梯度爆炸现象、大量神经元失活现象以及网络训练收敛； S3：结合所述MSVL形式化模型和所述PPTL公式对所述神经网络进行验证，以判断所述神经网络中是否存在训练相关性质问题； 对于所述梯度消失现象，构建所述PPTL公式包括： 定义浮点数类型变量firstRatio和lastRatio，分别表示所述神经网络的第一层隐藏层和最后一层隐藏层的梯度变化率： 其中，firstNablaMa表示第一层隐藏层的梯度矩阵，firstWeightBiasMat表示第一层隐藏层的权重矩阵，lastNablaMat表示最后一层隐藏层的梯度矩阵，lastWeightBiasMat表示最后一层隐藏层的权重矩阵，ASum表示先求出矩阵中所有元素的绝对值之和，再用所述绝对值之和除以矩阵中元素的数量； 将无梯度消失性质刻画为PPTL公式： ， 其中，epochEnd表示一个完整的训练过程是否结束，1表示结束，0表示未结束； 对于大量神经元失活现象，所述PPTL公式表示为： 其中，dyingReLU表示最后一层隐藏层中失活的神经元数量，totalNeuron表示最后一层隐藏层中的神经元总数，epochEnd表示一个完整的训练过程是否结束，1表示结束，0表示未结束； 所述S3包括： 调用UMC4M验证器接收所述MSVL形式化模型和所述PPTL公式，对于所述MSVL形式化模型的程序M和待验证性质的PPTL公式P，所述UMC4M验证器对公式P进行取非操作，并将取非后的性质转换为一个MSVL程序，对程序M与进行合取操作，生成MSVL程序； 由建模仿真验证语言编译器编译运行所述MSVL程序，并执行状态空间搜索过程，从而完成验证，若所述MSVL程序能够被正确编译执行，则不满足该性质，输出Invalid，否则输出Valid。

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安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。