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！

龙图腾网获悉南京周子未来食品科技有限公司申请的专利基于机器学习预测无血清培养基组分浓度的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：CN115101118B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202210700188.5，技术领域涉及：G16B5/00；该发明授权基于机器学习预测无血清培养基组分浓度的方法是由周光宏;丁赛赛;丁世杰;吴中元;李佳敏;唐长波设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本基于机器学习预测无血清培养基组分浓度的方法在说明书摘要公布了：本发明公开了一种基于机器学习预测无血清培养基组分浓度的方法，包括以下步骤：建立不同组分特征信息的数据库；模型训练；建立待预测组的特征信息数据库；对待预测组的数据进行预测；数据库更新。相较于基础培养基，无血清培养基需要筛选的组分更多，而现有的无血清培养基组分优化方法大多耗时耗力且不能满足多组分同时优化的需求。本发明解决了当前技术在无血清培养基研发的空白的难题，具有批量和快速的优势，可以为无血清培养基研发提供指导。

本发明授权基于机器学习预测无血清培养基组分浓度的方法在权利要求书中公布了：1.一种基于机器学习预测无血清培养基组分浓度的方法，其特征在于，包括如下步骤： 1建立不同组分特征信息的样本特征数据库： 所述样本特征数据库包括细胞类别、无血清培养基各组分浓度以及细胞个数；根据细胞数目将无血清培养基各组分浓度组合化分为不同等级，不同等级对应不同的无血清培养基各组分浓度； 2模型训练： 对于步骤1中获得的样本特征数据库中存储的各组分信息，以无血清培养基各组分浓度作为输入特征，对应的针对依据细胞数目而划分的无血清培养基各组分浓度等级这一目标对所选机器学习模型进行训练，输出给定的无血清培养基各组分浓度对应的预测等级，并得到最佳的预测模型；步骤2中所述模型训练用到的分类模型为人工神经网络分类模型，支持人工神经网络分类模型训练的模型为： exp是指以e为底数的指数函数，K表示类别数目，wk为x的权重系数，x为特征的属性值； 首先将步骤1得到的数据转化为csv格式，读取数据并指定数据的各个列代表的值，构建两层隐藏层的人工神经网络模型： S1、参数初始化，按照高斯分布初始化全连接神经网络要训练的参数，包括权值参数w和偏置参数b； S2、前向传播，将步骤1中得到的输入特征作为输入，S1中得到结果作为模型参数，经输出层得到输入无血清培养基各组分浓度的等级概率； 隐藏层激活函数为： 输出层激活函数为： 其中，zi为第i个节点的输出值，C为分类的类别个数； S3、利用梯度下降法更新模型参数，直至模型损失函数收敛至一定值，得到最佳模型； 3建立待预测组的特征信息数据库： 根据原含有样本特征信息数据库以及文献搜集得来的组分浓度信息，将原数据库中每一无血清培养基组分浓度缩放至一固定区间，实现数据库的扩充，得到待预测组的特征信息数据库；待预测组的特征信息数据库建立步骤为： 对于每一个特征属性，使用高斯分布或均匀分布产生随机数确立要进行扩大或缩小的空间区域； 4对待预测组的数据进行预测： 使用N-Rooks对待预测组的特征信息数据库采样，获得新的数据集，新的数据集输入至步骤2所得模型预测，得到配方的类别等级，获得无血清培养基各组分浓度。

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南京周子未来食品科技有限公司，其通讯地址为：211225 江苏省南京市溧水区白马镇白朱路111号农高区科创中心；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。