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！

龙图腾网获悉上海交通大学申请的专利冗余自适应的多模态鲁棒融合学习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：CN116992396B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202310981766.1，技术领域涉及：G06F18/25；该发明授权冗余自适应的多模态鲁棒融合学习方法及系统是由王延峰;陈梦茜;姚江超;邢琳煜;王钰;张娅设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本冗余自适应的多模态鲁棒融合学习方法及系统在说明书摘要公布了：本发明提供了一种冗余自适应的多模态鲁棒融合学习方法及系统，包括：使用预训练好的单模态特征提取网络提取单模态初始特征；将各单模态初始特征编码为概率分布；对各单模态概率分布进行正则化约束；为每个单模态均值分配元素级特征权重；利用各权重分配后的单模态均值产生多模态特征；对各单模态分布采样，产生相应的单模态特征向量；利用各单模态、多模态特征向量得到相应特征的概率预测分布。本发明考虑多模态数据间冗余性对模型鲁棒性的影响，促使模型在捕获全部单模态信息的同时，动态地识别其中的无损信息用于融合，实现更鲁棒且准确的多模态预测。

本发明授权冗余自适应的多模态鲁棒融合学习方法及系统在权利要求书中公布了：1.一种冗余自适应的多模态鲁棒融合学习方法，其特征在于，包括： 单模态特征提取步骤：对单模态特征提取网络进行预训练，分别对各种输入模态数据提取预设维度的单模态初始特征； 单模态特征编码步骤：使用不同的单模态特征编码网络，分别对提取的各单模态初始特征进行编码，产生维度相同的不同单模态均值和方差向量组合，构建单模态高斯概率分布； 单模态特征稀疏化步骤：根据得到的各单模态的均值和方差向量，对各单模态概率分布进行正则化约束； 动态权重分配步骤：对比得到的各单模态的方差向量，为每个单模态均值向量分配元素级特征权重； 多模态融合步骤：将各权重分配后的单模态均值向量进行求和，产生多模态特征向量； 单模态概率分布采样步骤：对由不同均值和方差组合构成的各单模态高斯概率分布进行重参数操作，产生相应的单模态特征向量； 单模态、多模态特征预测步骤：将得到的各单模态、多模态特征向量输入多层感知机构成的类别预测网络，得到相应特征的概率预测分布； 所述单模态特征提取步骤包括：固定各种预训练好的单模态特征提取网络的参数，将相应单模态数据映射为初始特征x1,x2,…,xM，其中M是模态总数；不同的输入数据类型使用不同的特征提取网络，使用大规模文本预训练模型BERT-large，将输入的文本模态数据提取为T×1024维的文本初始特征，其中T是文本序列长度；使用深度卷积构成的视觉特征编码网络ResNet-18，对输入单张图像模态数据提取为512维的视觉初始特征。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。