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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利异常场景识别模型的训练方法、异常场景识别方法及装置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：CN120544550B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202511021662.1，技术领域涉及：G10L15/18；该发明授权异常场景识别模型的训练方法、异常场景识别方法及装置是由郭伟;周国平;许博;邢生歧设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本异常场景识别模型的训练方法、异常场景识别方法及装置在说明书摘要公布了：本申请公开了异常场景识别模型的训练方法、异常场景识别方法及装置，涉及模型微调技术领域，通过获取样本文本数据集，再采用样本文本数据集中的多个样本文本以及每个样本文本数据对应的样本异常场景标签对预训练语言模型进行训练，借助动态秩和控制门机制对预训练语言模型进行微调，动态秩机制能依文本语义复杂度自适应调整权重矩阵分解维度，复杂场景增大秩值以捕捉更多细节，简单场景减小秩值以降低冗余，平衡性能与效率；控制门机制可以筛选子权重矩阵维度，仅让异常场景关键维度参与更新，强化异常特征、抑制无关干扰。

本发明授权异常场景识别模型的训练方法、异常场景识别方法及装置在权利要求书中公布了：1.一种异常场景识别方法，其特征在于，包括： 当拾音器采集的目标音频对应的文本中包含目标关键词时，按照音色从所述目标音频中分离出多个音频数据； 对所述多个音频数据进行文本识别，确定包含所述目标关键词的目标音频数据； 获取所述目标音频数据对应的目标文本； 将所述目标文本输入至目标异常场景识别模型中，获取所述目标文本对应的异常场景标签；所述目标异常场景识别模型是基于以下训练方法得到： 获取样本文本数据集；所述样本文本数据集包括多个样本文本以及每个样本文本数据对应的样本异常场景标签； 将所述样本文本数据集输入至预训练语言模型中，并基于动态秩和控制门机制对所述预训练语言模型进行微调训练，获取目标异常场景识别模型； 其中，所述预训练语言模型中包括嵌入层微调模块、多头注意力层微调模块以及前馈网络层微调模块； 所述预训练语言模型还包括嵌入层、所述嵌入层微调模块、多头注意力层、所述多头注意力层微调模块、前馈网络层、所述前馈网络层微调模块以及解码输出层； 所述嵌入层，用于将所述样本文本映射为初始特征向量； 所述嵌入层微调模块，用于基于所述动态秩和控制门机制对所述嵌入层的原始权重矩阵进行微调，获取第一权重矩阵，以根据所述第一权重矩阵对所述初始特征向量进行调整，获取第一特征向量； 所述多头注意力层，用于对所述第一特征向量进行线性变换，生成查询向量、键向量、值向量；并基于所述查询向量、所述键向量、所述值向量获取第二特征向量； 所述多头注意力层微调模块，用于基于所述动态秩和控制门机制对所述多头注意力层中的原始权重矩阵进行微调，获取第二权重矩阵，以根据所述第二权重矩阵对所述第二特征向量进行调整，获取第三特征向量； 所述前馈网络层，用于对所述第一特征向量与所述第三特征向量进行融合，获取第四特征向量，并对所述第四特征向量进行线性变换，获取第五特征向量； 所述前馈网络层微调模块，用于基于所述动态秩和控制门机制对所述前馈网络层对应的原始权重矩阵进行微调，获取第三权重矩阵，以根据所述第三权重矩阵对所述第五特征向量进行调整，获取目标特征向量； 所述解码输出层，用于基于所述目标特征向量输出预测异常场景标签； 所述预训练语言模型还包括：损失优化模块，用于基于目标损失函数计算公式，计算所述样本文本对应的所述样本异常场景标签与所述预测异常场景标签的模型损失值；并基于所述模型损失值对所述预训练语言模型进行优化，以生成目标异常场景识别模型；所述目标损失函数计算公式为： 其中，L表示模型损失值，n表示参与计算的样本文本的数量，为样本文本i对应的样本异常场景标签，x表示样本文本对应的初始特征向量；为通过多头注意力单元处理x后得到的第二特征向量；为前馈神经网络，α 为超参数，为权重减小的梯度方向值。

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苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；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”。