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！

龙图腾网获悉深圳大学申请的专利呼气气体识别方法、装置、计算机设备及存储介质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：CN116168279B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310200889.7，技术领域涉及：G06V10/82；该发明授权呼气气体识别方法、装置、计算机设备及存储介质是由潘晓芳;陈洁滨;井军虎;温晓琳设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本呼气气体识别方法、装置、计算机设备及存储介质在说明书摘要公布了：本发明涉及人工智能中的医疗技术领域，其公开了一种呼气气体识别方法、装置、计算机设备及存储介质。其中方法包括：获取目标教师模型的教师编码参数信息；获取呼气数据集，并将呼气数据集及教师编码参数信息输入至学生模型的编码器模块以得到学生编码结果；将学生编码结果输入至学生模型的解码器模块得到第一损失；将呼气数据集输入至目标教师模型进行编码得到教师编码结果，并根据教师编码结果及学生编码结果进行计算得到第二损失；根据第一损失及第二损失对学生模型进行迭代训练得到目标学生模型；获取待识别呼气气体数据，将待识别呼气气体数据输入目标学生模型以得到识别结果。本发明实施例可提高呼气气体识别准确率。

本发明授权呼气气体识别方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种呼气气体识别方法，其特征在于，应用于构建的呼气气体识别模型，所述呼气气体识别模型包括教师模型及学生模型，所述方法包括： 获取目标教师模型的教师编码参数信息，其中，所述目标教师模型是利用训练数据集对所述教师模型进行训练得到的；所述教师编码参数信息为从所述目标教师模型迁移的教师编码器模块的参数； 获取呼气数据集，并将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果； 将所述学生编码结果输入至所述学生模型的解码器模块得到第一损失，其中，所述第一损失为真实标签与预测标签之间的分类损失； 将所述呼气数据集输入至所述目标教师模型进行编码得到教师编码结果，并根据所述教师编码结果及所述学生编码结果进行计算得到第二损失，其中，第二损失为所述学生模型的编码器模块与所述教师模型的编码器模块的输出之间的分布差异； 根据所述第一损失及所述第二损失对所述学生模型进行迭代训练得到目标学生模型； 获取待识别呼气气体数据，并将所述待识别呼气气体数据输入所述目标学生模型进行识别以得到识别结果； 其中，所述学生模型的编码器模块包括学生门控循环神经网络及学生注意力模块，所述将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果，包括： 将所述呼气数据集及所述教师编码参数信息输入至所述学生门控循环神经网络进行运算得到学生隐藏态； 将所述学生隐藏态输入所述学生注意力模块进行运算得到学生背景向量； 将所述学生背景向量与所述学生隐藏态进行运算得到学生编码结果； 所述学生隐藏态包括多个不同时间步的学生隐藏态，所述学生注意力模块包括两个全连接层，所述将所述学生隐藏态输入所述学生注意力模块进行运算得到学生背景向量，包括： 将多个不同时间步的所述学生隐藏态输入两所述全连接层进行加权组合得到隐藏权重，其中，两所述全连接层包括第一个连接层和第二个连接层，所述第一个全连接层的计算公式为：，其中，Wh*h1表示的是隐藏态Ht*h投影到h1维度的投影矩阵，b1表示的是隐藏态Ht*h在新维度h1上的偏置，*表示的是点积操作；所述第二个全连接层的计算公式为：，其中，Wh1*1表示的是所述第一个全连接层输出L1的投影矩阵，b2表示的是L1在新维度h1上的偏置，L2为所述隐藏权重； 将所述隐藏权重经过softmax函数转化运算得到权重系数； 将所述权重系数及所述学生隐藏态进行计算得到学生背景向量。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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。