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！

龙图腾网获悉西安电子科技大学申请的专利基于神经崩溃理论的预训练模型类增量学习的识别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：CN119760495B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411665543.5，技术领域涉及：G06F18/241；该发明授权基于神经崩溃理论的预训练模型类增量学习的识别方法是由魏坤;晏苏;杨旭;邓成设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本基于神经崩溃理论的预训练模型类增量学习的识别方法在说明书摘要公布了：本申请提供了一种基于神经崩溃理论的预训练模型类增量学习的识别方法，将NC的理论引入到预训练模型的特征适应中，提供了一种新颖的范式来利用预训练模型解决下游任务。并且本发明构造了一个ETF分类器，能够指导特征表示向最优结构进行适应。ETF分类器不仅满足神经崩溃中的NC2特性，还能通过预先固定最优结构来在训练过程中的不稳定性。引入了FCM模块，以将多种特征压缩到指定的类原型上，减少了类内变异性，并满足神经崩溃的NC1特性，通过监督学习过程，将特征表示与最优分类器结构对齐，从而获得更具判别性的特征表示。本申请对该预训练模型进行增量学习训练，再利用训练后的模型执行目标识别任务可以提高识别效果。

本发明授权基于神经崩溃理论的预训练模型类增量学习的识别方法在权利要求书中公布了：1.一种基于神经崩溃理论的预训练模型类增量学习的识别方法，其特征在于，包括： S100，获取任务数据集以及已构建预训练模型，所述任务数据集中包括多个任务及其对应的数据；每个任务对应携带类别标签的多个样本；所述预训练模型包括：预训练骨干模型、任务相关适配器、FCM模块和ETF分类器；ETF分类器是等角紧框架分类器，FCM模块是特征压缩模块； S200，在训练适应阶段，利用所述任务数据集中首任务所对应的所有样本对所述预训练模型进行训练得到适应训练模型； S300，在增量学习阶段，将所述适应训练模型中除FCM模块外的其他模块的参数冻结，利用除首任务外的所有当前任务的所有样本特征结合首任务的样本特征，对所述适应训练模型进行增量学习得到识别模型； S400，利用识别模型对目标识别任务所对应的图像进行识别，得到目标所属的类别； S200包括： S210，将所述任务数据集中首任务所对应的所有样本输入至所述预训练骨干模型中，以使所述预训练骨干模型输出粗粒度特征表示，并利用所述任务相关适配器调整所述粗粒度特征的领域差距，得到所述首任务的所有样本的第一特征表示； S220，将所述第一特征表示输入至FCM模块中，以将其转化为适应预分配的ETF类别原型的第二特征表示；并将所述第二特征表示输入至所述ETF分类器中得到首任务所对应的所有任务的类别； S230，利用所述首任务所对应的所有样本的类别计算目标损失函数，并利用目标损失函数调整所述预训练模型中任务相关适配器、FCM模块的参数； S240，用调整参数后的任务相关适配器、FCM模块替换所述预训练模型中的任务相关适配器、FCM模块，并重复S210至S220的过程一次得到训练好的预训练模型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。