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！

龍圖騰網獲悉南京信息工程大學申請的專利基于GA-PSO混合算法的生成對抗網絡架構搜索方法及系統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：CN120124685B 。

龍圖騰網通過國家知識產權局官網在2025-08-19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：202510580529.3，技術領域涉及：G06N3/0475；該發明授權基于GA-PSO混合算法的生成對抗網絡架構搜索方法及系統是由彭博藝;薛羽;于小兵;楊強;申曉寧;金婷;王修來設計研發完成，并于2025-05-07向國家知識產權局提交的專利申請。

本基于GA-PSO混合算法的生成對抗網絡架構搜索方法及系統在說明書摘要公布了：本發明公開了基于GA?PSO混合算法的生成對抗網絡架構搜索方法及系統，屬于深度神經網絡技術領域，該方法構建生成對抗網絡超網架構，利用遺傳算法全局探索架構種群，結合粒子群優化對精英架構進行局部參數調整，動態平衡慣性權重與學習因子，通過離散化編碼約束確保架構合規性；最終基于帕累托最優性集成多目標評估結果，主次協同比例循環優化解集。與傳統架構搜索相比，本發明通過混合優化機制解決早熟收斂問題，結合權重共享評估與分層編碼實現全局和局部協同，在提升生成質量的同時顯著縮短搜索周期。

本發明授權基于GA-PSO混合算法的生成對抗網絡架構搜索方法及系統在權利要求書中公布了：1.基于GA-PSO混合算法的生成對抗網絡架構搜索方法，其特征在于，包括如下步驟： 步驟1，構建生成對抗網絡的超網架構，包括全連接層、上采樣層、下采樣層和多個卷積模塊，多個卷積模塊構成搜索空間，定義搜索空間的候選操作； 步驟2，以超網架構作為種群中的個體，采用NSGA-II算法進行全局搜索，得到非支配層； 步驟3，通過非支配排序和擁擠度距離對種群進行分層篩選，得到精英子代； 步驟4，使用粒子群優化算法對前n0精英子代進行局部參數調整，其中； 步驟5，判斷是否滿足迭代終止條件，若不滿足則跳轉至步驟2；否則終止搜索，輸出滿足收斂條件的最優超網架構； 分別在CIFAR-10和STL-10兩個基準數據集上進行訓練和測試，其中，CIFAR-10數據集由十類自然圖像構成，STL-10數據集由十類圖像構成，通過生成對抗網絡架構搜索方法，獲取具有生成能力的最優超網架構，利用已知圖像和該最優超網架構生成新的圖像； 步驟2包括： 步驟201，隨機生成由超網架構組成的初始種群P0，每個超網架構對應的個體編碼為整數矩陣； 步驟202，每個超網架構通過預訓練的Inceptionv3網絡計算雙目標指標：IS和FID，IS表示最大化圖像質量，FID表示最小化與真實分布的差距； 步驟203，計算每個超網架構的目標函數值，計算公式為： ， ， ， 式中，表示超網架構參數，表示超網最優架構參數，是一個多目標優化函數，表示最小化生成樣本與真實樣本的分布差異，表示最大化生成樣本的多樣性與質量，是超網生成器的權重，是最優超網生成器的權重，表示對隨機噪聲變量z的期望計算，在生成器Gz的輸入噪聲分布上計算統計期望，即生成器通過噪聲向量生成假樣本的期望性能衡量，是生成器的對抗損失；表示超網鑒別器的權重，是最優超網鑒別器的權重，表示對真實數據樣本x的期望計算，計算鑒別器Dx對真實數據分布下樣本的響應期望，是鑒別器D對真實數據的判別損失，鑒別器D需最大化真實樣本x被判定為真實的概率Dx，生成器試圖讓生成樣本被鑒別器D判為真實的概率趨近于0； 步驟204，通過精英保留策略篩選解，根據目標函數值篩選出前n1個體直接進入下一代，重組交叉子代和變異后的個體生成新種群，其中； 步驟205，通過非支配排序將新種群劃分為不同的非支配層。

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南京信息工程大學，其通訊地址為：211899 江蘇省南京市江北新區華富路1號數智溪谷4號樓；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”。