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！

龙图腾网获悉成都信息工程大学申请的专利一种针对样本不平衡数据集的损失函数计算方法及装置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：CN121682506B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610197776.X，技术领域涉及：G06F18/2415；该发明授权一种针对样本不平衡数据集的损失函数计算方法及装置是由李孝杰;潘鹏飞;黄占鳌;谭诗川;杨善敏;符颖;史沧红;周激流;吴锡设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本一种针对样本不平衡数据集的损失函数计算方法及装置在说明书摘要公布了：本发明公开了一种针对样本不平衡数据集的损失函数计算方法及装置，属于损失函数计算领域，所述方法包括如下步骤：处理获取的ERA5降水数据文件，构建天气数据集，其中，天气数据集中数量较少的极端降水样本作为正样本，数量较多的非极端降水样本作为负样本；将天气数据集中的样本输入极端降水预测模型，并将极端降水预测模型的输出经过sigmoid函数转化为概率值，作为样本对应的极端降水事件的概率；定义样本被预测正确的概率；基于样本被预测正确的概率，区间化损失计算，构建极端降水预测的损失函数。所述装置用于对应实施该方法。本发明解决了神经网络模型在极端降水预测类的不平衡数据集上的泛化能力不足及预测准确性不足的问题。

本发明授权一种针对样本不平衡数据集的损失函数计算方法及装置在权利要求书中公布了：1.一种针对样本不平衡数据集的损失函数计算方法，用于极端降水预测，其特征在于，包括如下步骤： S1、处理获取的ERA5降水数据文件，构建天气数据集，其中，天气数据集中数量较少的极端降水样本作为正样本，数量较多的非极端降水样本作为负样本； S2、将天气数据集中的样本输入极端降水预测模型，并将极端降水预测模型的输出经过sigmoid函数转化为概率值，作为样本对应的极端降水事件的概率； S3、定义样本被预测正确的概率； 所述S3中样本被预测正确的概率的计算表达式如下： ，， 其中，表示样本被预测正确的概率，表示样本标识为的样本被预测正确的概率，表示样本被预测正确的概率区间，其中，当表示样本为正样本，表示该样本为负样本； S4、基于样本被预测正确的概率，区间化损失计算，构建极端降水预测的损失函数； 所述S4包括如下步骤： S41、设置决策边界值，并基于决策边界值将样本被预测的正确概率区间划分为四个区间，其中，四个区间分别包括第0区间、第1区间、第2区间和第3区间，第1区间和第2区间为邻近决策边界值的区间； S42、分别设置第1区间与第2区间在总梯度中的占比为第一区间梯度占比和第二区间梯度占比，并计算得到第1区间和第2区间的区间权重系数； 所述S42中第1区间和第2区间的区间权重系数的计算表达式如下： ， 其中，表示第0区间内样本的梯度绝对值总和，表示第1区间的区间权重系数，表示第1区间内样本的梯度绝对值总和，表示第2区间的区间权重系数，表示第2区间内样本的梯度绝对值总和，表示第3区间内样本的梯度绝对值总和，表示第一区间梯度占比，表示第二区间梯度占比，其中，均大于0且小于1，的和小于1； S43、统计正样本和负样本的平均梯度，分别计算得到正样本和负样本的权重系数； S44、基于第1区间和第2区间的区间权重系数，以及正样本和负样本的权重系数，构建极端降水预测的损失函数； S5、计算极端降水预测的损失函数的梯度值； S6、基于极端降水预测的损失函数的梯度值更新极端降水预测模型的网络参数； S7、利用更新后的极端降水预测模型的网络参数重复进行极端降水预测的损失函数的计算，直到达到预设的训练次数阈值为止。

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成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路1段24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。