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技术大学苏州高等研究院申请的专利一种基于表示重建的持续表示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：CN116186605B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310080064.6，技术领域涉及：G06F18/241；该发明授权一种基于表示重建的持续表示学习方法是由朱宗卫;熊屹;周学海;李曦;王超设计研发完成，并于2023-02-08向国家知识产权局提交的专利申请。

本一种基于表示重建的持续表示学习方法在说明书摘要公布了：本发明公开了一种基于表示重建的持续表示学习方法，首先采用有监督对比学习的训练范式细粒度地学习新类别中的表示知识；然后通过引入表示重建方法对持续学习过程中不断被破坏的类别表示进行重建。本发明基于表示重建的持续表示学习方法，在两个数据集中一致地优于所有其他方法，特别是在重放缓冲区空间更小的情况下，RRCL方法的优势更加明显。本发明基于表示重建的持续表示学习方法，在任务的各个阶段，都能保持优于其他方法的类别表示能力。RRCL成功地重建了分布良好的类别表示，从而显著地减轻了表征遗忘的影响。

本发明授权一种基于表示重建的持续表示学习方法在权利要求书中公布了：1.一种基于表示重建的持续表示学习方法，其特征在于，包括： S1、采用有监督对比学习的训练范式细粒度地学习新类别中的表示知识； S2、然后通过引入表示重建方法对持续学习过程中不断被破坏的类别表示进行重建； 所述表示重建方法具体为：引入可移动的锚点，并通过斥力模型使其在超球面上移动，以引导表示分布； 首先引入一种特殊的类中心作为锚点，超球面上的数据点靠近它们所属类的类中心，促使超球面上的同类表示被重新聚集；锚点是超球面上属于同一类的所有点簇的归一化均值，通过如下计算得到： 其中，nk是类别k的样本个数； 为了确保不同类别之间的表示是均匀离散的，锚点自发地向着远离其他类的方向移动；这些可移动的锚点将引导着各个类别表示在超球面上以获得更加均匀离散的分布，从而完成类别表示的重建； 控制锚点移动的方向和速度的方法为： 一个锚点受到其他锚点给它施加的斥力，把所有的斥力投影到超球面的切平面上，这些投影的合力方向就是锚点运动的方向； 锚点间的斥力大小与它们之间的距离负相关，距离越小，斥力越大；锚点k受到锚点i对它施加的斥力表示为： 左边的项Gτ*表示力的大小，右侧的项表示力方向上的单位向量；其中力的大小使用高斯势核，即径向基函数RBF核进行估计，即： 每个锚点在由其他类给予它的斥力投射到切平面上的合力的方向上移动；因此，锚点k的移动表示为： 其中，Ct是在任务t时已经学习过的所有类别，|Ct|是这些类别的数量； 在每个epoch训练开始时以如公式7更新可移动锚点的位置： γ是移动步长，同时更新所有锚点； 在可移动锚点定义的基础上，对表示重建损失函数的定义如下： 表示重建损失函数的优化目标是增大DataPoints到所属类别锚点的相似度，减小DataPoints到其他类别锚点的相似度；而由于锚点自动的向着更加均匀的分布方式进行移动，引导着各类别表示向着类内聚敛和类间均匀离散的方向演化，最终实现表示的重建。

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中国科学技术大学苏州高等研究院，其通讯地址为：215000 江苏省苏州市苏州工业园区独墅湖科教创新区仁爱路188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。