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！

龙图腾网获悉济南大学申请的专利基于多尺度稀疏分支的KAN自适应函数组合方法及装置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：CN121009934B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511543490.4，技术领域涉及：G06N3/0495；该发明授权基于多尺度稀疏分支的KAN自适应函数组合方法及装置是由张永峰;刘志豪;丁冬睿;陈月辉;苏凯;李佩庚;李彦辉;赵晖;张珂嘉;张笑宇设计研发完成，并于2025-10-28向国家知识产权局提交的专利申请。

本基于多尺度稀疏分支的KAN自适应函数组合方法及装置在说明书摘要公布了：本发明公开了一种基于多尺度稀疏分支的KAN自适应函数组合方法及装置，属于人工智能与机器学习技术领域。该方法包括：启动动态选择机制并初始化模型参数；对输入数据进行标准化处理，通过多尺度特征提取和分层注意力机制计算函数选择权重；基于权重筛选并激活相关函数模块，形成稀疏计算路径；执行激活模块的特征计算并采用加权融合策略整合输出；在深层网络中迭代执行模块选择与特征融合，构建深层次特征表示；最终基于融合特征生成预测结果，通过损失计算和反向传播实现模型优化。本发明不仅显著提高了推理速度和计算效率，而且具备良好的输入适应性，能够降低能耗并增强模型可解释性，适用于计算机视觉、自然语言处理、工业控制等应用场景。

本发明授权基于多尺度稀疏分支的KAN自适应函数组合方法及装置在权利要求书中公布了：1.一种基于多尺度稀疏分支的KAN自适应函数组合方法，用于构建高效、可解释性强的神经网络模型，进行图像分类、图像分割或文本分类任务，其特征在于，包括如下步骤： 步骤S1，启动动态选择机制并初始化神经网络模型参数，所述神经网络模型参数包括输入输出层参数、动态选择控制器参数及可学习函数模块参数，所述可学习函数模块包括特征提取函数； 步骤S2，对输入数据进行标准化处理，通过多尺度特征提取方法获得多层次特征表示，再通过分层注意力机制动态计算各可学习函数模块的选择权重，所述输入数据包括多源传感器数据； 步骤S3，基于所述选择权重筛选函数模块，仅激活选择权重大于预设激活阈值的函数模块，形成优化后的稀疏计算路径； 步骤S4，驱动被激活的函数模块执行特征计算，生成各模块的特征输出，采用加权融合策略将所有激活模块的特征输出整合为统一的特征表示； 步骤S5，在深层网络结构中，迭代执行步骤S3和步骤S4，通过逐层的函数模块选择、特征计算与特征堆叠，构建多层次、高维度的深层次特征表示，最终形成统一的最终融合特征； 步骤S6，基于所述最终融合特征生成任务预测结果，计算预测结果与真实标签的损失值，通过反向传播算法将损失值回传至神经网络模型各层，更新神经网络模型所有可学习参数，实现KAN自适应函数组合的动态优化。

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济南大学，其通讯地址为：250000 山东省济南市市中区南辛庄西路336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。