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！

龙图腾网获悉江苏第二师范学院申请的专利多模态学习及其使用的模态级自适应差分隐私裁剪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：CN121051796B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511587519.9，技术领域涉及：G06F21/62；该发明授权多模态学习及其使用的模态级自适应差分隐私裁剪方法是由倪艺洋;李骏;夏鹏程;马畅;李蕊;肖如奇;李权;刘娅璇设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本多模态学习及其使用的模态级自适应差分隐私裁剪方法在说明书摘要公布了：本发明公开了一种多模态学习及其使用的模态级自适应差分隐私裁剪方法，包括：使用梯度归一化放缩的裁剪方法代替传统的对超过裁剪值的梯度进行放缩的裁剪方法；为每个模态设置不同的裁剪值以控制各模态的优化速度；然后，根据模态数据质量设置预期模态贡献度；在多模态模型更新过程中根据当前模态贡献度与预期贡献度的差值调整模态裁剪值，以平衡各模态的优化速度。此外，本发明还包含一个自适应裁剪值更新方法，通过当前与过去累计的模态贡献度差异对模态裁剪值进行调整，能够适当加速长期无法得到充分优化的弱势模态。本发明能够在实现差分隐私保护的同时，通过对模态裁剪值的自适应调整有效缓解模态优化的不平衡问题。

本发明授权多模态学习及其使用的模态级自适应差分隐私裁剪方法在权利要求书中公布了：1.模态级自适应差分隐私裁剪方法，其特征在于，所述裁剪方法包括： 将多模态模型的整体裁剪值分配至每个模态；其中，多模态模型的输入为多模态数据，所述多模态数据包括文本数据、图像数据和声音数据中至少两项； 每个模态使用基于归一化的模态级裁剪机制进行梯度裁剪，用以实现裁剪值对模态优化速度的控制； 其中，将多模态模型的整体裁剪值分配至每个模态的方法包括： 选定一个模态作为基准模态，且基准模态在每轮训练的模态裁剪值份额均为1； 基于实时获取的各模态当前模态贡献度，对基准模态外其余模态的模态裁剪值份额进行更新： ， 其中，p表示基准模态编号，表示第个模态在第轮训练的模态裁剪值份额，表示第个模态在第轮训练的模态裁剪值份额，，表示实时获取的第个模态在第轮训练的模态贡献度，表示实时获取的基准模态在第轮训练的模态贡献度，表示第个模态的预期模态贡献度，表示基准模态的预期模态贡献度，与均表示用于控制裁剪值变化的幅度的参数，表示总训练轮数； 根据各模态的模态裁剪值份额，将多模态模型的整体裁剪值分配至每个模态； 每个模态在每轮训练的模态贡献度获取方法包括： 某一轮训练中，仅以某一模态数据作为多模态模型的输入，计算得到的模型损失的倒数即为该模态在该轮训练中的模态贡献度，或， 某一轮训练中，在多模态融合时仅保留其中一个模态、且屏蔽其他模态，计算得到的模型损失的倒数即为该模态在该轮训练中的模态贡献度； 基于归一化的模态级裁剪机制具体为：将需要裁剪的模态梯度进行归一化处理后，再根据分配至该模态的裁剪值按比例进行缩放；梯度进行归一化处理的方法如下： ， 其中，表示未经裁剪的第个模态在第轮训练的梯度，表示的归一化结果，r为常参数。

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江苏第二师范学院，其通讯地址为：211222 江苏省南京市溧水区石湫街道新河西路6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。