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！

龙图腾网获悉电子科技大学(深圳)高等研究院申请的专利基于元学习的系统自适应建模方法、装置及存储介质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：CN121119060B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202511666275.3，技术领域涉及：G06N3/0985；该发明授权基于元学习的系统自适应建模方法、装置及存储介质是由李安东;任颖萱;赖学方;张玉宏设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本基于元学习的系统自适应建模方法、装置及存储介质在说明书摘要公布了：本申请实施例公开了基于元学习的系统自适应建模方法、装置及存储介质，涉及人工智能与系统工程领域，通过元训练操作，获取不同领域任务数据构成任务数据集，利用支持集和查询集进行更新训练，最终得到训练完成的元模型。这种训练方式让模型学习到不同领域的通用建模思路，而非局限于特定领域，大大提升了模型的泛化能力。当面对全新的领域时，无需进行昂贵的领域微调，通过元预测操作，利用训练好的元模型直接根据输入的源文本预测中间推理链和建模代码，进而快速构建推理模型。

本发明授权基于元学习的系统自适应建模方法、装置及存储介质在权利要求书中公布了：1.一种基于元学习的系统自适应建模方法，其特征在于，所述方法包括元训练操作和元推理操作； 所述元训练操作包括： 获取不同领域的任务数据，构成任务数据集；其中，每个任务数据包括源文本、中间推理链和系统建模代码；所述中间推理链为任务数据从源文本到系统建模代码的建模思路； 将所述任务数据集划分为支持集和查询集； 计算预设的待训练模型在所述支持集上的平均损失； 对所述平均损失进行反向传播计算，获得所述待训练模型的梯度向量； 利用所述梯度向量对所述待训练模型进行更新，获得第一更新模型； 计算所述第一更新模型在所述查询集上的元损失； 根据所述元损失对应的元梯度对第一更新模型进行更新，获得第二更新模型； 若所述元损失不小于预设阈值，则将所述第二更新模型作为所述待训练模型，返回所述获取不同领域的任务数据，构成任务数据集的步骤，直至所述元损失小于预设阈值，则最后一次更新后的第二更新模型为训练完成的元模型；所述元模型用于根据输入的源文本推理并输出中间推理链和系统建模代码； 所述元推理操作包括： 获取目标领域的目标源文本；所述目标领域与所述任务数据集中任务数据的领域不同； 利用所述元模型对所述目标源文本进行推理，获得所述目标源文本对应的目标中间推理链和目标系统建模代码； 利用所述目标源文本、所述目标中间推理链和所述目标系统建模代码构成的目标任务数据进行建模，获得所述目标任务数据对应的推理模型； 所述计算预设的待训练模型在所述支持集上的平均损失，包括： 为所述支持集中的每个任务数据设定真实标签； 利用所述待训练模型对所述支持集进行批量向前传播与预测，获得所述支持集中每个任务数据的预测结果； 将所述预测结果与所述真实标签进行比较获得所述支持集的平均损失； 所述对所述平均损失进行反向传播计算，获得所述待训练模型的梯度向量，包括： 对所述平均损失进行反向追溯，获得所述平均损失对于所述待训练模型的每个预测模型参数对应的偏导数，全部的偏导数构成所述梯度向量； 所述利用所述梯度向量对所述待训练模型进行更新，获得第一更新模型，包括： 将预设学习率与所述梯度向量相乘获得乘积； 将所述待训练模型中的每个预测模型参数与所述乘积相减，获得第一更新模型参数； 将所述待训练模型中的预测模型参数更新为所述第一更新模型参数，获得第一更新模型。

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电子科技大学(深圳)高等研究院，其通讯地址为：518000 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。