買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中南大學;南開大學申請的專利一種基于人工智能的決策支持方法、裝置、設備及介質(zhì)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119129903B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411166639.7，技術領域涉及：G06Q10/063；該發(fā)明授權一種基于人工智能的決策支持方法、裝置、設備及介質(zhì)是由李大元;韓揚帆;劉淼熙;田莉;張樑;王丁;傅穎竹;余天驕;王瑞娟;劉詠丹設計研發(fā)完成，并于2024-08-23向國家知識產(chǎn)權局提交的專利申請。

本一種基于人工智能的決策支持方法、裝置、設備及介質(zhì)在說明書摘要公布了：本申請公開了一種基于人工智能的決策支持方法、裝置、設備及介質(zhì)，方法包括：獲取預設項目的預設數(shù)據(jù)；將預設數(shù)據(jù)的特征向量輸入到深度學習模型中，獲取深度學習模型基于預設數(shù)據(jù)的特征向量輸出的第一預測結(jié)果；生成第一預測結(jié)果的總體損失值；當總體損失值小于預設值時，停止訓練深度學習模型，輸出訓練完成的深度學習模型；獲取決策支持系統(tǒng)的當前項目，獲取當前項目的當前數(shù)據(jù)；將當前數(shù)據(jù)的特征向量輸入到訓練完成的深度學習模型中，獲取訓練完成的深度學習模型基于當前數(shù)據(jù)的特征向量輸出的第二預測結(jié)果，將第二預測結(jié)果設置為當前項目的決策支持信息，第二預測結(jié)果包括當前決策和當前建議。本申請有利于提高當前項目的決策支持效率。

本發(fā)明授權一種基于人工智能的決策支持方法、裝置、設備及介質(zhì)在權利要求書中公布了：1.一種基于人工智能的決策支持方法，其特征在于，應用于電子設備，所述電子設備存儲有深度學習模型，所述決策支持方法包括：獲取決策支持系統(tǒng)的預設項目，獲取所述預設項目的預設數(shù)據(jù)和標注信息，將所述預設數(shù)據(jù)以及所述標注信息組成一個項目案例，將多個所述項目案例組成所述深度學習模型的訓練集，所述標注信息包括所述預設數(shù)據(jù)對應的預設決策和預設建議；將所述預設數(shù)據(jù)的特征向量輸入到所述深度學習模型中，獲取所述深度學習模型基于所述預設數(shù)據(jù)的特征向量輸出的第一預測結(jié)果，所述第一預測結(jié)果包括預測決策和預測建議；根據(jù)所述預設決策和所述預測決策之間的第一交叉熵損失值、所述預設建議和所述預測建議之間的第二交叉熵損失值、預設的第一權重系數(shù)、預設的第二權重系數(shù)以及總體損失值生成模型，生成所述第一預測結(jié)果的總體損失值；基于所述總體損失值優(yōu)化所述深度學習模型的模型參數(shù)，基于優(yōu)化后的所述模型參數(shù)和所述訓練集的所述項目案例迭代訓練所述深度學習模型；當所述總體損失值小于預設值時，停止訓練所述深度學習模型，輸出訓練完成的所述深度學習模型；獲取所述決策支持系統(tǒng)的當前項目，獲取所述當前項目的當前數(shù)據(jù)；將所述當前數(shù)據(jù)的特征向量輸入到訓練完成的所述深度學習模型中，獲取訓練完成的所述深度學習模型基于所述當前數(shù)據(jù)的特征向量輸出的第二預測結(jié)果，將所述第二預測結(jié)果設置為所述當前項目的決策支持信息，所述第二預測結(jié)果包括當前決策和當前建議。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >中南大學;南開大學，其通訊地址為：410011 湖南省長沙市岳麓山左家垅；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。