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

龍圖騰網恭喜廣州航海學院申請的專利基于半監督寬度學習系統的天線優化設計方法及設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118133652B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410064663.3，技術領域涉及：G06F30/27；該發明授權基于半監督寬度學習系統的天線優化設計方法及設備是由田雨波;王曉燕;劉世安設計研發完成，并于2024-01-16向國家知識產權局提交的專利申請。

本基于半監督寬度學習系統的天線優化設計方法及設備在說明書摘要公布了：本發明公開了一種基于半監督寬度學習系統的天線優化設計方法及設備，方法包括步驟：構建待優化天線的結構模型；生成天線尺寸參數和對應的回波損耗值構成的數據集；將數據集劃分為初始訓練集、測試集和未標記樣本數據集；采用初始訓練集對卷積—寬度學習系統、卷積—堆疊寬度學習系統進行訓練；將未標記樣本數據集輸入到訓練后的卷積—寬度學習系統、訓練后卷積—堆疊寬度學習系統進行預測得到偽標記數據，將偽標記數據加入到有標記樣本訓練數據集中；采用更新后的有標記樣本訓練數據集對卷積—寬度學習系統、卷積—堆疊寬度學習系統進行交叉訓練、協同訓練，直到得到滿足設定規則的學習系統。本發明能降低天線優化設計過程中的計算成本。

本發明授權基于半監督寬度學習系統的天線優化設計方法及設備在權利要求書中公布了：1.一種基于半監督寬度學習系統的天線優化設計方法，其特征在于，包括步驟：步驟一、構建待優化天線的結構模型，并設定待優化天線所需要優化的尺寸范圍；步驟二、生成天線尺寸參數和對應的回波損耗值構成的數據集；將數據集劃分為初始訓練集、測試集和未標記樣本數據集；步驟三、采用初始訓練集對卷積—寬度學習系統進行訓練，包括：采用卷積神經網絡的卷積算子對初始訓練集進行特征提取，并將提取的數據特征與初始訓練集進行數據融合形成增強數據，輸入到寬度學習系統得到卷積—寬度學習系統；步驟四、采用初始訓練集對卷積—堆疊寬度學習系統進行訓練；步驟五、將未標記樣本數據集輸入到訓練后的卷積—寬度學習系統、訓練后卷積—堆疊寬度學習系統進行預測得到偽標記數據，將偽標記數據加入到有標記樣本訓練數據集中，包括：在未標記樣本數據集中選取若干數據輸入到訓練后的卷積—寬度學習系統中進行預測得到第一偽標記數據，將第一偽標記數據加入到第一有標記樣本訓練集中，得到卷積—寬度學習系統更新的第一樣本訓練集；在未標記樣本數據集中選取若干數據輸入到訓練后的卷積—堆疊寬度學習系統中進行預測得到第二偽標記數據，將第二偽標記數據加入到第二有標記樣本訓練集中，得到卷積—堆疊寬度學習系統更新的第二樣本訓練集；步驟六、采用卷積—寬度學習系統更新后的有標記樣本訓練數據集、卷積—堆疊寬度學習系統更新后的有標記樣本訓練數據集對卷積—寬度學習系統、卷積—堆疊寬度學習系統進行交叉訓練、協同訓練，直到得到滿足設定規則的學習系統；所述采用卷積—寬度學習系統更新后的有標記樣本訓練數據集、卷積—堆疊寬度學習系統更新后的有標記樣本訓練數據集對卷積—寬度學習系統、卷積—堆疊寬度學習系統進行交叉訓練的步驟，包括；采用第二樣本訓練集對卷積—寬度學習系統進行訓練得到第三偽標記數據，并采用測試集對卷積—寬度學習系統進行測試，得到兩者之間的第一誤差；采用第一樣本訓練集對卷積—堆疊寬度學習系統進行訓練得到第四偽標記數據，并采用測試集對卷積—堆疊寬度學習系統進行測試，得到兩者之間的第二誤差；將誤差更小的偽標記數據增加到初始訓練集中，更新標記樣本訓練集，從未標記樣本數據集中刪除該部分數據，更新未標記樣本數據集；采用卷積—寬度學習系統更新后的有標記樣本訓練數據集、卷積—堆疊寬度學習系統更新后的有標記樣本訓練數據集對卷積—寬度學習系統、卷積—堆疊寬度學習系統進行協同訓練的步驟，包括：采用經過交叉訓練而更新后的標記樣本訓練集對卷積—寬度學習系統進行訓練，并采用測試集對卷積—寬度學習系統進行測試，得到兩者之間的第三誤差；采用經過交叉訓練而更新后的標記樣本訓練集對卷積—堆疊寬度學習系統進行訓練，并采用測試集對卷積—堆疊寬度學習系統進行測試，得到兩者之間的第四誤差；若第三誤差、第四誤差中較小的值滿足設定規則，則完成訓練；若經過交叉訓練、協同訓練后不滿足設定規則，則返回至所述步驟三；在所述步驟四中，采用卷積神經網絡的卷積算子對初始訓練集進行特征提取，并將提取的數據特征與初始訓練集進行數據融合形成增強數據，輸入到寬度學習系統，再根據設置的寬度學習系統特征窗口個數、特征節點個數、增強節點個數，依次生成特征節點和增強節點，并生成特征節點層和增強節點層，利用網格搜索法和嶺回歸算法計算底層寬度學習系統輸出層的輸出，并記錄底層輸出預測標記；進行堆疊層的計算，即使用底層輸出作為上一層網絡的輸入，新構建一個寬度學習系統，期望輸出是原輸入樣本數據的標記數據，以得到卷積—堆疊寬度學習系統。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣州航海學院，其通訊地址為：510725 廣東省廣州市黃埔區紅山三路101號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。