Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海模呈信息技术有限公司刘靖获国家专利权

上海模呈信息技术有限公司刘靖获国家专利权

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!

龙图腾网获悉上海模呈信息技术有限公司申请的专利基于因果不变变换的多模态数据泛化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:CN119226805B

龙图腾网通过国家知识产权局官网在2025-11-07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:202411754737.2,技术领域涉及:G06F18/214;该发明授权基于因果不变变换的多模态数据泛化学习方法及系统是由刘靖;马振超;黄彬;王泽普;刘洋;王兆臣;张立飞;郭帅设计研发完成,并于2024-12-03向国家知识产权局提交的专利申请。

基于因果不变变换的多模态数据泛化学习方法及系统在说明书摘要公布了:本发明涉及一种基于因果不变变换的多模态数据泛化学习方法及系统。所述方法包括:获取多模态数据构建因果图;设计因果不变变换模拟因果关系,并保持因果关系中的因果特征不变,改变非因果特征,生成新的训练样本;融合不同模态的信息;构建自监督学习框架,预测节点对的标签作为预训练任务,学习多模态数据的特征表示和因果结构。通过构建和分析因果图,设计因果不变变换来模拟因果关系并生成新的训练样本,可以使模型能够学习到与因果结构一致的特征表示,从而在不同分布的数据上保持稳定的性能;构建自监督学习框架,无需额外的标注信息,通过预测节点对的标签作为预训练任务,来学习数据的表示和因果结构,能够有效提升模型的泛化能力。

本发明授权基于因果不变变换的多模态数据泛化学习方法及系统在权利要求书中公布了:1.一种基于因果不变变换的多模态数据泛化学习方法,其特征在于,所述方法包括: 获取多模态数据,并采用因果推断技术根据所述多模态数据构建因果图,基于所述因果图识别出所述多模态数据中各个模态之间的因果关系; 设计因果不变变换,包括:定义变换操作、因果特征,并根据所述变换操作、因果特征设计出因果不变变换;基于所述因果不变变换执行所述变换操作时,保持所述因果特征不变;对所述因果不变变换进行优化,完成因果不变变换设计;通过所述因果不变变换来模拟所述因果关系,并保持所述因果关系中的因果特征不变,改变非因果特征,生成新的训练样本;其中,因果不变变换生成方式为:数据增强:通过对原始数据应用已知的因果不变变换,生成新的训练样本;或,生成模型:使用生成模型来学习数据的潜在表示,并生成具有相同因果特征的新样本;或,域适应:通过域适应技术,将数据从一个域转换到另一个域,同时保持因果特征不变; 采用多模态特征融合技术基于所述训练样本融合不同模态的信息,得到融合特征表示; 构建自监督学习框架,基于所述自监督学习框架根据所述训练样本、融合特征表示预测节点对的标签作为预训练任务,学习所述多模态数据的特征表示和因果结构,完成多模态数据泛化学习,包括:定义自监督学习的目标函数,基于所述训练样本、融合特征表示进行目标训练,得到训练信号;确定节点对,并预测所述节点对的标签,将预测的节点对的标签作为任务;根据所述训练样本、融合特征表示得到样本对,并进行特征对比学习;基于所述训练信号、任务、特征对比学习进行联合学习协调,完成自监督学习框架构建。

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模呈信息技术有限公司,其通讯地址为:201900 上海市宝山区高逸路112-118号3幢1396室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。