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！

龙图腾网获悉中南大学申请的专利基于非平稳神经网络高斯过程的虚拟样本生成方法及系统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：CN121579961B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610121013.7，技术领域涉及：G06F18/2111；该发明授权基于非平稳神经网络高斯过程的虚拟样本生成方法及系统是由胡敏;陈凯设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本基于非平稳神经网络高斯过程的虚拟样本生成方法及系统在说明书摘要公布了：本发明提供基于非平稳神经网络高斯过程的虚拟样本生成方法及系统，其中方法包括：获取原始数据并判定非平稳性，判断统计特性是否随输入位置变化；若非平稳，构建融合神经网络与高斯过程的隐变量模型，训练得到表征非平稳分布的隐变量空间；基于隐变量空间概率分布采样得；用模型经非平稳高维映射生成=,ZZ,Z‑1X，其中为非平稳核函数，Z是低维隐变量，X是输入变量；检验高维虚拟样本与原始数据一致性，筛选满足统计一致的虚拟样本集合；本发明在小样本与非平稳场景下，能生成高质量、高多样性虚拟样本。

本发明授权基于非平稳神经网络高斯过程的虚拟样本生成方法及系统在权利要求书中公布了：1.基于非平稳神经网络高斯过程的虚拟样本生成方法，应用于材料性能预测，其特征在于，其步骤包括： S1、获取用于电池材料设计的原始物理化学属性数据集，对原始样本数据进行非平稳性判定，用于判断样本统计特性是否随输入位置发生变化； S2、在判定原始样本数据具有非平稳性的情况下，构建用于描述样本分布位置相关变化特性的高斯过程隐变量模型，所述高斯过程隐变量模型为非平稳高斯过程隐变量模型，其通过将神经网络嵌入至平稳核函数中构造非平稳核函数，以实现对不同输入区域样本特性的自适应建模；所述非平稳核函数的构造方式为： 利用神经网络将原始输入坐标x非线性映射至隐空间φx，并通过平稳核函数K计算隐空间中的距离，即； 其中，分别表示第i个和第j个原始输入样本的坐标或特征向量；为神经网络映射函数；，分别为原始输入经神经网络映射后在隐空间中的表示；K为平稳核函数；为非平稳核函数； 所述高斯过程隐变量模型通过融合神经网络与高斯过程，对原始样本数据进行训练，得到表征样本非平稳分布特性的隐变量空间； S3、基于所述隐变量空间的概率分布进行采样，获得隐变量虚拟样本； S4、利用所述高斯过程隐变量模型对所述隐变量虚拟样本进行非平稳高维映射，生成具有物理一致性的材料高维虚拟样本，其中为非平稳核函数，Z是低维隐变量，X是输入变量； S5、对所述高维虚拟样本与原始样本数据进行一致性检验，并基于一致性检验结果筛选获得满足材料物理本质与统计一致性的虚拟样本集合，用于扩充电池材料训练数据集。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。