買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西北工業(yè)大學(xué)申請的專利一種基于類原型提示和虛擬邏輯值的持續(xù)學(xué)習(xí)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119598272B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-20發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510148888.1，技術(shù)領(lǐng)域涉及：G06F18/24；該發(fā)明授權(quán)一種基于類原型提示和虛擬邏輯值的持續(xù)學(xué)習(xí)方法是由張艷寧;譚杰;張世周;路悅;王鵬;田雪濤;席慶彪設(shè)計研發(fā)完成，并于2025-02-11向國家知識產(chǎn)權(quán)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(xù)學(xué)習(xí)方法在說明書摘要公布了：本發(fā)明公開了一種基于類原型提示和虛擬邏輯值的持續(xù)學(xué)習(xí)方法，涉及模式識別技術(shù)領(lǐng)域，本發(fā)明為每個任務(wù)訓(xùn)練一個任務(wù)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(shù)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(dá)到解決任務(wù)間混淆問題的目的。本發(fā)明解決了現(xiàn)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(wù)間混淆，從而存在嚴(yán)重災(zāi)難性遺忘現(xiàn)象的問題。

本發(fā)明授權(quán)一種基于類原型提示和虛擬邏輯值的持續(xù)學(xué)習(xí)方法在權(quán)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(xù)學(xué)習(xí)方法，其特征在于，包括以下步驟：S1：在查詢函數(shù)微調(diào)階段中，將當(dāng)前任務(wù)的圖像和引入的提示輸入至預(yù)訓(xùn)練的編碼器進(jìn)行訓(xùn)練，并通過訓(xùn)練樣本的交叉熵?fù)p失反向傳播更新分類器參數(shù)和提示；所述S1中包括以下分步驟：S11：進(jìn)行模型參數(shù)初始化，并將當(dāng)前任務(wù)的圖像和引入的提示輸入至預(yù)訓(xùn)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(jīng)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?fù)p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(wù)查詢函數(shù)中的提示，利用動量更新提示，并結(jié)合預(yù)訓(xùn)練的編碼器，獲得當(dāng)前任務(wù)的查詢函數(shù)；S3：基于當(dāng)前任務(wù)的查詢函數(shù)和當(dāng)前任務(wù)的圖像，提取訓(xùn)練樣本的查詢特征，并通過查詢特征為當(dāng)前任務(wù)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(diào)階段中，將當(dāng)前任務(wù)的圖像和提示輸入至另一預(yù)訓(xùn)練的編碼器中，通過加入虛擬邏輯值計算訓(xùn)練樣本的交叉熵?fù)p失，并根據(jù)交叉熵?fù)p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(dāng)前任務(wù)的圖像和提示輸入至另一預(yù)訓(xùn)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(jīng)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?fù)p失，并通過反向傳播更新分類器和提示；S45：根據(jù)更新得到的提示，將其存儲在提示池中；S5：重復(fù)上述步驟S1-S4，直至完成當(dāng)前任務(wù)的訓(xùn)練，并基于存儲的類原型和提示，利用當(dāng)前任務(wù)的測試樣本進(jìn)行測試，獲得分類結(jié)果，完成基于類原型提示和虛擬邏輯值的持續(xù)學(xué)習(xí)；所述S5中基于存儲的類原型和提示，利用當(dāng)前任務(wù)的測試樣本進(jìn)行測試，獲得分類結(jié)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(shù)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(yīng)的任務(wù)標(biāo)簽，公式為： 其中，表示歐式距離，表示首先固定任務(wù)對類別最小化，然后再對任務(wù)最小化，最終得到最近鄰類原型對應(yīng)的任務(wù)標(biāo)簽，為當(dāng)前任務(wù)的第個類別的類原型；S53：基于任務(wù)標(biāo)簽選擇對應(yīng)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(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710068 陜西省西安市友誼西路127號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。