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！

龙图腾网获悉浙江大学申请的专利一种面向视觉生成式反绎学习的元规则选择策略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：CN119849595B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411700408.X，技术领域涉及：G06N3/098；该发明授权一种面向视觉生成式反绎学习的元规则选择策略学习方法是由金予;丁尧相;周昆设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种面向视觉生成式反绎学习的元规则选择策略学习方法在说明书摘要公布了：本发明公开了一种面向视觉生成式反绎学习的元规则选择策略学习方法。视觉生成式反绎学习是联合训练基于符号的神经视觉生成器和从数据中归纳逻辑规则，实现由逻辑规则引导的视觉生成过程。针对其逻辑符号集较大、规则复杂导致的反绎时间成本高的问题，本发明提出了一种预训练方法，旨在为反绎学习方法获取元规则选择策略，从而减少候选元规则集并优化搜索空间。该选择模型通过对案例中的符号和元规则的标记化，可以有效地与视觉生成式反绎学习中的神经模型和逻辑推理系统相结合。预训练仅在符号数据上进行，不涉及原始视觉输入的符号接地学习。本发明具有学习成本低、提升视觉生成式反绎学习效率、适用于复杂逻辑规则学习和视觉生成任务等特点。

本发明授权一种面向视觉生成式反绎学习的元规则选择策略学习方法在权利要求书中公布了：1.一种面向视觉生成式反绎学习的元规则选择策略学习方法，其特征在于，包括以下步骤： 1符号实例包的自注意力嵌入表示学习：通过注意力机制对符号实例包进行特征提取和表示学习，得到符号实例包嵌入表示；所述一个符号实例包中包含若干符号实例，每个符号实例由符号数据构成，不包含任何原始图像输入，所述符号实例包分为针对当前规则的正例和负例； 2元规则的嵌入表示学习：将元规则池中的每个元规则转换为对应的向量嵌入表示； 3选择元规则子集：结合符号实例包的特征表示和元规则嵌入表示，计算每个元规则与当前实例包的相关性，选取最适合当前任务的元规则子集； 4进行逻辑推理：将步骤3中选取的元规则子集与符号实例包共同输入逻辑推理模块Metagol，结合另外输入的背景知识执行逻辑推理； 5更新元规则选择策略网络：根据逻辑推理结果评估元规则选择的效果，对元规则选择策略网络进行优化更新； 6应用预训练模型：在视觉生成式反绎学习中，利用预训练的策略网络选择适当的元规则，以指导视觉生成式反绎学习；具体通过以下子步骤来实现： 6.1视觉生成式反绎学习的少样本预训练：需要少量有标签的图片数据对视觉生成式反绎学习进行少样本预训练，以达到元规则选择模型的启动正确率； 6.2输入原始图像实例包：原始图像实例包包含正例和负例，并分别通过符号编码器和子符号编码器进行符号化和子符号化处理； 6.3生成伪接地符号：符号化表示通过符号接地模块生成伪接地符号； 6.4选择元规则：利用预训练的策略网络，从元规则池中选择与伪接地符号最相关的元规则子集； 6.5进行逻辑反绎学习：将选取的元规则和伪接地符号输入到逻辑反绎推理模块中，结合背景知识进行逻辑归纳生成逻辑规则和修正后的接地符号； 6.6解码生成图像：找到符号接地模块的VQ编码本中与修正后的接地符号对应的符号表示和子符号表示进行连接，并输入解码器生成最终的视觉输出图像； 6.7视觉生成式反绎学习的网络更新：通过重构损失、伪接地符号相对修正后的符号的交叉熵损失、离散化变分损失和逆子符号交叉熵损失进行视觉生成式反绎学习的网络更新。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。