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！

龙图腾网获悉合肥戎科信息技术开发有限公司申请的专利小样本条件下生成对抗网络深度学习测向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：CN116205271B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310130162.6，技术领域涉及：G06N3/0464；该发明授权小样本条件下生成对抗网络深度学习测向方法是由郭弦辉;张勇;郭亮亮设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本小样本条件下生成对抗网络深度学习测向方法在说明书摘要公布了：本发明公开了小样本条件下生成对抗网络深度学习测向方法，涉及无线电测向技术领域，解决了现有技术中构建完备的训练样本库难度大，在实际应用环境条件下，能够采集的样本数小于需要的训练样本数的技术问题；该方法的步骤如下：构建生成对抗网络；生成器和判别器相互对抗产生逼近真实分布的生成样本；数据预处理；提取各阵元相对幅度和协方差特征，作为CNN的输入数据；通过卷积操作实现对数据的非线性特征映射；将输入的特征映射划分为多个不重叠的区域；小样本CNN测向；实现了针对实际应用环境的小样本条件，采用生成对抗网络产生逼近真实样本分布的生成样本，有效地扩充训练样本数据集，再利用卷积神经网络测向模型，实现高精度测向。

本发明授权小样本条件下生成对抗网络深度学习测向方法在权利要求书中公布了：1.小样本条件下生成对抗网络深度学习测向方法，其特征在于，包括以下步骤： 步骤一：使用非线性映射函数构建生成对抗网络；其中，所述生成对抗网络包括生成器G和判别器D； 步骤二：生成器G与判别器D之间通过相互对抗和互相促进后达到纳什均衡，产生生成样本，包括以下步骤： 将噪声序列输入至生成器中产生服从真实数据分布的生成样本； 将生成样本和真实样本输入至判别器中； 固定生成器G，采用最小化交叉熵的方法训练判别器D，使其能够有效分辨真实样本和生成样本，判别器D的损失函数为： 式中，中，x为真实样本，Dx为判别器D判断输入的真实样本x的概率； 中，z表示输入生成器G中的噪声序列，Gz表示生成样本，DGz表示生成样本通过判别器D后，被判别为真样本的概率； 生成器G则通过学习真实数据分布Pdata来欺骗判别器D，固定判别器D，生成器G要增大生成样本被判断为真实样本的概率，使输入生成样本时，判别器D的输出尽量接近1，生成器G的损失函数为： 步骤三：对各阵元接收到的辐射源进行预处理，获取采样数据；其中，所述预处理包括功率放大、下变频以及数据采样处理； 步骤四：将各阵元相对幅度和协方差特征作为CNN的输入数据； 步骤五：卷积层通过不同的卷积核与输入数据进行卷积操作实现对数据的非线性特征映射，进而实现对数据的特征提取； 步骤六：池化层将输入的特征映射划分为多个不重叠的区域； 步骤七：基于生成对抗网络，扩充小样本条件下的训练数据集。

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合肥戎科信息技术开发有限公司，其通讯地址为：230000 安徽省合肥市高新区创新大道2800号创新产业园二期G4楼E区3层；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。