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！

龙图腾网获悉西安电子科技大学申请的专利基于弹性知识保存与补偿的类增量学习方法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：CN120318621B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510384009.5，技术领域涉及：G06F30/27；该发明授权基于弹性知识保存与补偿的类增量学习方法是由程德;王怀杰;王楠楠;朱明瑞;杨曦;李洁;高新波设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于弹性知识保存与补偿的类增量学习方法在说明书摘要公布了：本发明公开了一种基于弹性知识保存与补偿的类增量学习方法，属于人工智能技术领域，该方法包括：获取包括不同任务且任务间类别不相交的图像，构建为多任务增量学习的数据集，并划分为训练集和测试集；构建包括特征提取器和分类器的CIL模型；其中，对于特征提取器，给定一个预训练的Transformer模型，通过学习任务共享适配器使模型适应下游类增量学习任务；基于重要性感知参数正则化框架和语义漂移补偿框架，利用训练集对CIL模型进行跨任务训练；将测试集输入到最优CIL模型中，实现基于弹性知识保存与补偿的类增量学习。该方法可以在不添加额外参数的情况下实现有效的抗遗忘，同时在训练期间保持稳定性并保留模型可塑性。

本发明授权基于弹性知识保存与补偿的类增量学习方法在权利要求书中公布了：1.一种基于弹性知识保存与补偿的类增量学习方法，其特征在于，包括： S1、获取包括不同任务且任务间类别不相交的图像，构建为多任务增量学习的数据集，并将每个任务对应的数据集划分为训练集和测试集； S2、构建包括特征提取器和分类器的CIL模型；其中，对于所述特征提取器，给定一个预训练的Transformer模型，通过学习任务共享适配器使所述Transformer模型适应下游类增量学习任务； S3、基于重要性感知参数正则化框架和语义漂移补偿框架，利用所述训练集对所述CIL模型进行跨任务训练，训练过程包括： S31、在对所述特征提取器训练的过程中，构建重要性感知参数正则化框架，在每个任务训练结束之后计算适配器参数对当前旧任务的重要性；在训练新任务时，保存旧任务的网络参数，同时使用所述适配器参数对当前任务的重要性作为正则化权重，对训练新任务的网络和旧任务的网络做参数正则化约束； S32、构建语义漂移补偿框架，在训练新任务时，根据已学习任务的类别均值和方差估计分类器在新任务上的漂移量，并通过正则化约束使估计的漂移量最小化，根据估计的漂移量对旧原型进行漂移补偿；同时，通过高斯采样训练统一的分类器，最终得到最优CIL模型； S4、将所述测试集输入到所述最优CIL模型中，实现基于弹性知识保存与补偿的类增量学习任务。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。

以上内容由龙图腾AI智能生成。