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！

龙图腾网恭喜杭州深度思考人工智能有限公司申请的专利用于人脸建模的克里金大模型自适应训练方法及系统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：CN119027575B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202410606333.2，技术领域涉及：G06T17/00；该发明授权用于人脸建模的克里金大模型自适应训练方法及系统是由吴寿叶;厉向东;邹宁设计研发完成，并于2024-01-16向国家知识产权局提交的专利申请。

本用于人脸建模的克里金大模型自适应训练方法及系统在说明书摘要公布了：本发明公开了用于人脸建模的克里金大模型自适应训练方法及系统；本发明涉及影视3D建模技术领域；从随机变量空间σ内抽取出N个均匀分布的初始样本点，这个过程需要执行Halton序列抽样算法进行抽样；将抽取来的初始样本点统一代入功能函数gx中，计算这些初始的样本点的响应值，其集合化后形成初始训练集T；然后，基于当前训练集T建立或更新Kriging模型。本发明通过采用主动学习和Kriging模型，能够在学习过程中动态选择下一步的训练点，从而更加智能地逼近极限状态面。这有助于避免在不必要的区域添加训练点，提高模型学习的效率。

本发明授权用于人脸建模的克里金大模型自适应训练方法及系统在权利要求书中公布了：1.用于人脸建模的克里金大模型自适应训练方法，包括一个ALK模型，所述ALK模型中包括一个Kriging模型，所述ALK模型构建了所述Kriging模型的回归过程和随机过程；其特征在于，包括如下步骤：S1，生成初始训练点：从随机变量空间σ内抽取出N个均匀分布的初始的样本点，统一代入功能函数gx中，计算这些初始的样本点的响应值，其集合化后形成初始训练集T；基于当前训练集T建立或更新所述Kriging模型；在所述S1中，包括如下步骤：S100，由Halton序列抽样算法执行所述抽取：建立Halton序列，其第i个元素的抽取值为： ； 是均匀分布的基数，k是总的元素i的最大值，是均匀分布在[0,b-1]范围内的整数；S101，获得均匀分布的初始样本点：将Halton序列的每个元素作为随机变量的一个分量；Halton序列的第i个元素表示为： ； 表示第i个元素在第j个维度上的值；第i个样本点为： ；然后将所有的样本点代入功能函数gx中;S2，构建极限状态函数代理模型，生成候选样本池S：执行高斯混合算法以得到所述Kriging模型的辅助概率密度函数px’，并利用失效域集合G结合于辅助概率密度函数px’，以产生n个随机变量样本，以此组成用于挑选下一次更新的训练点的候选样本池S，且每一步都随着所述Kriging模型的更新重新生成；S3，在候选样本池S中识别下一次更新的训练点：计算候选样本池S中每一个样本的函数值s，选取函数值s中最小的函数值s*及其所对应的失效域样本点，作为下一次更新的训练点；S4，判别学习过程的收敛性：基于最小的函数值s*及其所对应的失效域样本点，计算当前所述Kriging模型评估的失效概率误差上界，如果上界小于目标失效误差阈值，则停止学习过程；反之，计算上界置信区间，返回到所述S2中更新所述Kriging模型；S400，计算失效概率误差上界： ；其中，是预测均值，是使用失效域样本点计算的失效概率，是使用ALK模型预测均值计算的失效概率；S401，判断是否满足停止学习条件： ；T2是目标失效误差阈值；如果失效概率误差上界小于目标失效误差阈值T2，则停止学习，否则就继续学习；S402，计算上界置信区间：如果未停止学习，再次计算失效概率误差的上界置信区间，以进行下一轮的所述Kriging模型更新；S4020，计算失效概率误差的标准差： ； 是第i个失效概率误差，是总的失效概率误差的平均值；n是样本总数；S4021，计算置信区间半径Ma: ；Z是标准正态分布中的“Z-分数”，对应于所选择的置信水平α；S4022，计算新置信区间CI： ；得到失效概率误差的新置信区间CI后，进行决策以判断是否停止学习或继续更新所述Kriging模型；S5，通过考虑不同渠道的信息，汇总后执行映射并形成一个修正因子ψ，通过该修正因子ψ对所述S2中的所述辅助概率密度函数px’执行自适应性修正。

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杭州深度思考人工智能有限公司，其通讯地址为：310000 浙江省杭州市余杭区良渚街道天荟未来之光城15幢101室9层901(自主申报)；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”。