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！

龍圖騰網獲悉西北工業大學申請的專利一種基于類原型提示和虛擬邏輯值的持續學習方法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：CN119598272B 。

龍圖騰網通過國家知識產權局官網在2025-05-20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：202510148888.1，技術領域涉及：G06F18/24；該發明授權一種基于類原型提示和虛擬邏輯值的持續學習方法是由張艷寧;譚杰;張世周;路悅;王鵬;田雪濤;席慶彪設計研發完成，并于2025-02-11向國家知識產權局提交的專利申請。

本一種基于類原型提示和虛擬邏輯值的持續學習方法在說明書摘要公布了：本發明公開了一種基于類原型提示和虛擬邏輯值的持續學習方法，涉及模式識別技術領域，本發明為每個任務訓練一個任務特定提示，在選擇加入提示方法方面提出了一種基于類原型的提示查詢機制，并向原本固定的查詢函數加入提示動量地更新，消除了加入提示不均勻的問題。同時，此方法還提出向分類器輸出的邏輯中加入虛擬生成的邏輯，使得分類器具有更好的分類邊界，達到解決任務間混淆問題的目的。本發明解決了現有方法存在提示查詢不均勻性問題，以及未能充分緩解任務間混淆，從而存在嚴重災難性遺忘現象的問題。

本發明授權一種基于類原型提示和虛擬邏輯值的持續學習方法在權利要求書中公布了：1.一種基于類原型提示和虛擬邏輯值的持續學習方法，其特征在于，包括以下步驟：S1：在查詢函數微調階段中，將當前任務的圖像和引入的提示輸入至預訓練的編碼器進行訓練，并通過訓練樣本的交叉熵損失反向傳播更新分類器參數和提示；所述S1中包括以下分步驟：S11：進行模型參數初始化，并將當前任務的圖像和引入的提示輸入至預訓練的編碼器，獲得圖像特征；S12：將圖像特征輸入至分類器中，經分類器獲得前向傳播得到的輸出；S13：基于前向傳播得到的輸出，計算每個樣本的第一交叉熵損失，并通過反向傳播更新分類器和提示；S2：基于更新后的提示和前一個任務查詢函數中的提示，利用動量更新提示，并結合預訓練的編碼器，獲得當前任務的查詢函數；S3：基于當前任務的查詢函數和當前任務的圖像，提取訓練樣本的查詢特征，并通過查詢特征為當前任務的每個類別樣本計算一個類原型，同時將類原型存儲在原型池中；S4：在基于虛擬邏輯值的提示微調階段中，將當前任務的圖像和提示輸入至另一預訓練的編碼器中，通過加入虛擬邏輯值計算訓練樣本的交叉熵損失，并根據交叉熵損失反向傳播更新分類器和提示，同時將更新的提示存儲在提示池中；所述S4中包括以下分步驟：S41：將當前任務的圖像和提示輸入至另一預訓練的編碼器中，獲得圖像特征；S42：將圖像特征輸入至分類器中，經分類器獲得前向傳播得到的輸出邏輯值；S43：使用虛擬邏輯值生成器生成一個虛擬邏輯值，并將所述虛擬邏輯值加入至前向傳播得到的輸出邏輯值中，獲得擴展邏輯值；S44：利用擴展邏輯值計算每個樣本的第二交叉熵損失，并通過反向傳播更新分類器和提示；S45：根據更新得到的提示，將其存儲在提示池中；S5：重復上述步驟S1-S4，直至完成當前任務的訓練，并基于存儲的類原型和提示，利用當前任務的測試樣本進行測試，獲得分類結果，完成基于類原型提示和虛擬邏輯值的持續學習；所述S5中基于存儲的類原型和提示，利用當前任務的測試樣本進行測試，獲得分類結果，包括以下分步驟：S51：選取測試集中的一個測試樣本，并將測試樣本輸入至通過動量更新的查詢函數中提取其查詢特征；S52：計算提取的查詢特征與存儲在原型池中的類原型之間的距離，并選擇最近鄰類原型所對應的任務標簽，公式為： 其中，表示歐式距離，表示首先固定任務對類別最小化，然后再對任務最小化，最終得到最近鄰類原型對應的任務標簽，為當前任務的第個類別的類原型；S53：基于任務標簽選擇對應的存儲在提示池中的提示，并將提示與測試樣本一同輸入至模型中，獲得特征；S54：將特征輸入至分類器中獲得分類結果。

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西北工業大學，其通訊地址為：710068 陜西省西安市友誼西路127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”。