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！

龙图腾网获悉西南民族大学申请的专利基于跨模态迁移学习的动态权重压缩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：CN121189394B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511738001.0，技术领域涉及：G06N3/0495；该发明授权基于跨模态迁移学习的动态权重压缩方法及装置是由赵中恺;陈曦;周欢;王岩;吴涛;徐小琼;刘玲;周攀;杜垚设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于跨模态迁移学习的动态权重压缩方法及装置在说明书摘要公布了：本申请实施例提供一种基于跨模态迁移学习的动态权重压缩方法及装置，涉及跨模态迁移学习与神经网络结构映射技术领域，其方法包括：从二维卷积神经网络模型中提取出网络结构和预训练权重参数，并利用所述网络结构和所述预训练权重参数，构建结构与权重配对的二维模型表示；通过将所述有权重信息的二维卷积核执行沿高度维的静态聚合并引入可学习动态权重因子进行加权压缩以得到拥有二维权重信息的一维卷积核；将无权重结构层按一维映射规则改写并与所述一维卷积核结构级融合，构成拥有二维权重信息的一维神经网络模型；以主任务损失与作用于动态权重因子的稀疏性正则及通道多样性正则构成联合训练目标，在目标一维任务上进行自适应重构。

本发明授权基于跨模态迁移学习的动态权重压缩方法及装置在权利要求书中公布了：1.一种基于跨模态迁移学习的动态权重压缩方法，其特征在于，包括： 从二维卷积神经网络模型中提取出网络结构和预训练权重参数，并利用所述网络结构和所述预训练权重参数，构建结构与权重配对的二维模型表示； 通过将所述二维模型表示中有权重参数的二维卷积核结构层沿空间高度维执行静态聚合以得中间权重并基于目标一维数据的统计量构造可学习的动态权重因子并对权重进行动态加权压缩生成有权重一维卷积核，将所述二维模型表示中无权重结构层按预定义的一维映射规则改写为一维结构，并通过将其与所述有权重一维卷积核结合，得到有二维预训练信息的一维神经网络，包括： 引入动态权重因子，并利用所述动态权重因子对初始化二维模型表示中有权重参数的二维卷积核结构层先执行高度维静态聚合再施加动态因子加权压缩，得到有权重参数的一维卷积核模型； 通过对所述初始化二维模型中有权重参数的二维卷积核结构层的每个卷积核在高度方向进行静态压缩处理，并将原空间维度对应为时间维的投影基础，得到静态压缩聚合权重； 依据目标一维神经网络模型，生成可学习的动态权重因子，对所述中间权重执行通道级加权与一维化投影，得到一维卷积核；所述动态权重因子在训练过程中与网络其他参数联合更新； 通过将所述初始化二维模型表示中的无权重层按一维时间维的核长、步长、统计维度进行规则化改写并与所述一维卷积核进行结构级融合，得到无权重参数的一维结构层模型； 通过将所述有权重参数的一维卷积核模型和所述无权重参数的一维结构层模型进行融合处理，得到一维神经网络模型； 引入多项正则项进行联合优化，通过将主任务损失与所述多项正则项进行联合训练，构建所述一维神经网络模型的最终训练目标，以便在所述有二维预训练信息的一维神经网络模型训练阶段实现有效跨模态迁移与结构自适应重构。

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南民族大学，其通讯地址为：610225 四川省成都市双流区航空港开发区大件路文星段168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。