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用于图文数据处理的模型持续学习测试方法、介质及设备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：CN119623579B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411725798.6，技术领域涉及：G06N3/098；该发明授权用于图文数据处理的模型持续学习测试方法、介质及设备是由黄维然;祝望舒;谭智泉;李宏;任胜韦设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本用于图文数据处理的模型持续学习测试方法、介质及设备在说明书摘要公布了：本申请提供一种用于图文数据处理的模型持续学习测试方法、介质及设备，所述方法包括：获取图文数据，其中，图文数据包含多组图片和文字的组合；将图文数据分别输入第一待测模型和第二待测模型；获取分别由第一待测模型和第二待测模型在第一持续学习任务和第二持续学习任务不同时刻的矩阵熵和矩阵条件熵；分别基于对应的矩阵熵和矩阵条件熵计算持续学习的旧知识理解指标和新知识扩展指标。本申请提供的用于图文数据处理的模型持续学习测试方法利用矩阵熵作为模型表现，通过计算两个待测模型的矩阵条件熵，得出学习任务之后对前序任务的旧知识理解和学习任务之后对前序任务的新知识扩展指标，可以量化图文数据的持续学习算法在多模态环境下的表现。

本发明授权用于图文数据处理的模型持续学习测试方法、介质及设备在权利要求书中公布了：1.一种用于图文数据处理的模型持续学习测试方法，其特征在于：所述方法包括： 获取图文数据，其中，所述图文数据包含多组图片和文字的组合； 将所述图文数据分别输入第一待测模型和第二待测模型； 获取分别由所述第一待测模型和所述第二待测模型在第一持续学习任务和第二持续学习任务不同时刻的矩阵熵和矩阵条件熵； 分别基于所述第一待测模型和所述第二待测模型对应的所述矩阵熵和所述矩阵条件熵计算持续学习的旧知识理解指标和新知识扩展指标； 所述矩阵熵的计算方式为： 矩阵联合熵的计算方式为： ⊙指哈达玛积； 所述矩阵条件熵的计算方式为： 其中，为第一待测模型，M’为第二待测模型，为矩阵熵，为第一归一化协方差矩阵，为第二归一化协方差矩阵，为第二归一化协方差矩阵已知条件下第一归一化协方差矩阵的矩阵条件熵，为第一归一化协方差矩阵已知条件下第一归一化协方差矩阵的矩阵条件熵，为第一归一化协方差矩阵和第二归一化协方差矩阵的矩阵联合熵，为第一归一化协方差矩阵和第一归一化协方差矩阵的矩阵联合熵。

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”。

以上内容由龙图腾AI智能生成。