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！

龙图腾网获悉东北大学;中国矿业大学;江苏锐策智能科技有限公司申请的专利基于改进随机配置算法的神经网络模型训练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：CN116992935B 。

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：202310993679.8，技术领域涉及：G06N3/08；该发明授权基于改进随机配置算法的神经网络模型训练方法及系统是由王殿辉;党纲设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本基于改进随机配置算法的神经网络模型训练方法及系统在说明书摘要公布了：本发明属于神经网络模型训练技术领域，公开了一种基于改进随机配置算法的神经网络模型训练方法及系统，包括：在满足神经网络模型输出均方根误差减小的条件下，通过随机配置算法的不等式约束条件筛选合适神经元作为候选隐层节点；从所述候选隐层节点中筛选令训练误差下降最快的K个神经元，从选出的K个神经元中选择与前L‑1个隐层节点最不相关的神经元作为最优隐层节点；通过最小二乘法计算得到输出权重，并更新随机配置网络的结构；利用通过隐层最大容许节点数和最大容许输出误差判断网络结构是否构建完毕。本发明能够在保证预测精度的同时，降低算法的整体计算量，适用于对实时性要求高的应用场景。

本发明授权基于改进随机配置算法的神经网络模型训练方法及系统在权利要求书中公布了：1.一种基于改进随机配置算法的神经网络模型训练方法，其特征在于，包括： 在满足神经网络模型输出均方根误差减小的条件下，通过随机配置算法的不等式约束条件筛选合适神经元作为候选隐层节点； 从所述候选隐层节点中筛选令训练误差下降最快的个神经元，从选出的个神经元 中选择与前个隐层节点最不相关的神经元作为最优隐层节点； 通过最小二乘法计算得到输出权重，并更新随机配置网络的结构；利用通过隐层最大容许节点数和最大容许输出误差判断网络结构是否构建完毕； 所述基于改进随机配置算法的神经网络模型训练方法具体包括以下步骤： 步骤一，进行样本集数据的预处理，设置随机配置网络的参数并进行随机配置网络初始化；从冶炼过程中收集的大量传感器数据进行预处理，包括去噪、标准化和归一化； 步骤二，根据改进的权值和偏置定义方法构造候选隐层节点；将得到的候选隐层节点代入不等式约束条件中，筛选得到满足不等式约束的候选隐层节点，使用冶炼过程的传感器数据作为输入； 步骤三，根据半正交化约束对所述满足不等式约束的候选隐层节点进行二次优化，得到最优候选隐层节点； 步骤四，将最优候选隐层节点的权值和偏置作为新的隐层节点添加到神经网络隐含层中，利用最小二乘法根据理想输出计算神经网络模型的输出权重，并更新神经网络模型； 步骤五，判断当前网络模型输出的均方根误差是否大于最大期望输出误差容许值，若大于，则转向步骤六；若小于，则转向步骤七； 步骤六，判断隐层节点是否小于隐层节点最大容许数量，若隐层节点小于隐层节点最大容许数量，则返回步骤二；若隐层节点等于隐层节点最大容许数量，则转向步骤七； 步骤七，训练结束，输出满足随机配置理论约束条件的神经网络模型； 所述设置随机配置网络的参数并进行随机配置网络初始化包括： 设置隐层节点最大容许数量，最大期望输出误差容许值，最大候选隐层节点数，输入权值的分布， 其中为正数，且；初始化输出误差向量，模型输出误差 缩放因子，其中，表示理想输出，；表示样本个数；表示输出样本维数，表示输出样本，； 所述根据改进的权值和偏置定义方法构造候选隐层节点包括： 从输入权值的分布中，随机选取输入权重、偏置，代入激活函数 得到候选隐层节点； 其中，表示输入样本，；表示输入样 本维数； 所述不等式约束条件如下： ； 其中，；非负实数序列满足,且。

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东北大学;中国矿业大学;江苏锐策智能科技有限公司，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。