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！

龙图腾网获悉中国科学院大学申请的专利少量网络参数操控参数小样本增量学习的方法、设备及介质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：CN114819078B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210435521.4，技术领域涉及：G06N3/0464；该发明授权少量网络参数操控参数小样本增量学习的方法、设备及介质是由叶齐祥;孙巍;汪韧;贾惠柱;杨博宇;韩振军;焦建彬设计研发完成，并于2022-04-24向国家知识产权局提交的专利申请。

本少量网络参数操控参数小样本增量学习的方法、设备及介质在说明书摘要公布了：本发明公开了一种少量网络参数操控参数小样本增量学习的方法，包括以下步骤：设置小样本增量学习神经网络，所述小样本增量学习神经网络通过在卷积神经网络中增加参数编码模块获得；通过基类样本集，对小样本增量学习神经网络进行训练，获得基类识别网络；通过具有新类标签的图片样本集对基类识别网络进行训练，获得增类识别网络；将具有基类或新类标签的图片输入增类识别网络，由增类识别网络输出图片的标签，从而获得图片的信息。本发明公开的方法，显著地改进了准确率，获得了较好的预测性能。

本发明授权少量网络参数操控参数小样本增量学习的方法、设备及介质在权利要求书中公布了：1.一种少量网络参数操控参数小样本增量学习的方法，其特征在于，包括以下步骤： S1、设置小样本增量学习神经网络，所述小样本增量学习神经网络通过在卷积神经网络中增加参数编码模块获得； S2、通过基类样本集，即具有基类标签的图片样本集，对小样本增量学习神经网络进行训练，获得基类识别网络， S3、将具有基类标签的图片输入基类识别网络，由基类识别网络输出图片的标签，从而获得图片中的信息； 当需要辨识新的类型标签的图片时，即新类标签图片时，还具有步骤： S4、通过具有新类标签的图片样本集对基类识别网络进行训练，获得增类识别网络， S5、将具有基类或新类标签的图片输入增类识别网络，由增类识别网络输出图片的标签，从而获得图片的信息； 在S1中，所述参数编码模块设置在卷积神经网络的特征提取器与分类器之间； 卷积神经网络的特征提取器将特征图传递至参数编码模块，通过参数编码模块对特征图编码，获得编码特征传递至分类器，分类器根据编码特征输出预测结果； 所述参数编码模块包括少量参数控制子模块和基参数控制子模块， 所述少量参数控制子模块用于生成图片的控制系数α，所述基参数控制子模块用于生成图片的基参数θγ，所述编码特征为控制系数α和基参数θγ的线性组合； 所述少量参数控制子模块包括依次连接的池化层、全连接层、非线性层、全连接层和softmax层，其输出表示为： α为控制系数的集合，x为特征提取器传递的特征图，θα表示不同层的网络参数的集合，其中，表示第二个全连接层参数，表示第一个全连接层参数，θα3表示第一个全连接层的偏置，表示第二个全连接层的偏置； 所述基参数控制子模块为一个卷积核或多个卷积核串联形成，将卷积核的可训练参数集合称为基参数θγ。

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中国科学院大学，其通讯地址为：100049 北京市石景山区玉泉路19号甲；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”。