基于深度学习加权决策的Occam反演拉格朗日乘子优化方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了基于深度学习加权决策的Occam反演拉格朗日乘子优化方法，包括：构建全连接神经网络和卷积神经网络；获取正演参数；求得k个模型向量一一对应的正演数据集；对正演数据集进行Occam反演，并记录任一次迭代内的数据，得到数据集T和拉格朗日乘子向量L；对卷积神经网络和全连接神经网络进行训练；建立卷积神经网络训练后的数据集和全连接神经网络训练后的数据集的映射函数，更新反演目标函数；调整双网络权重因子，更新数据与模型参数；直至最大的迭代次数或小于等于预设的拟合差，完成反演。通过上述方案，本发明具有逻辑简单、反演迭代高效、稳定可靠等优点。

《基于深度学习加权决策的Occam反演拉格朗日乘子优化方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022115970289，当前法律状态为已下证，由成都理工大学提出申请，发明人为王绪本;杨锐;杨钰菡;王向鹏;袁崇鑫，申请日期为2022-12-12，公开（公告）日期为2023-10-03，国际专利分类号（IPC）为 G06F 30/27 (2020.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了基于深度学习加权决策的Occam反演拉格朗日乘子优化方法，包括：构建全连接神经网络和卷积神经网络；获取正演参数；求得k个模型向量一一对应的正演数据集；对正演数据集进行Occam反演，并记录任一次迭代内的数据，得到数据集T和拉格朗日乘子向量L；对卷积神经网络和全连接神经网络进行训练；建立卷积神经网络训练后的数据集和全连接神经网络训练后的数据集的映射函数，更新反演目标函数；调整双网络权重因子，更新数据与模型参数；直至最大的迭代次数或小于等于预设的拟合差，完成反演。通过上述方案，本发明具有逻辑简单、反演迭代高效、稳定可靠等优点。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！