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！

龙图腾网恭喜哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于持续知识保护分解的小样本持续学习方法及系统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：CN119476410B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510026657.3，技术领域涉及：G06N3/096；该发明授权基于持续知识保护分解的小样本持续学习方法及系统是由李潇婕;吴建龙;王蓓;杨一博;聂礼强;张民设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本基于持续知识保护分解的小样本持续学习方法及系统在说明书摘要公布了：本发明属于人工智能与深度学习领域，为了解决新旧知识的不平衡和适配性差的问题，提供基于持续知识保护分解的小样本持续学习方法及系统。其中，基于持续知识保护分解的小样本持续学习方法包括基于每个类别的回放样本数据及持续学习模型骨干网络，经奇异值分解得到知识敏感成分和冗余容量成分；在增量适配训练过程中，冻结知识敏感成分所对应的预训练线性权重矩阵；同时利用冗余容量成分来构建可学习的适配器，更新预训练线性权重矩阵；重新获取小样本回放数据，基于更新后的预训练线性权重矩阵再次进行奇异值分解及增量适配训练操作。其通过协方差矩阵的动态更新，实现了新旧知识的平衡和高效适配，提高了分类结果的准确性。

本发明授权基于持续知识保护分解的小样本持续学习方法及系统在权利要求书中公布了：1.一种基于持续知识保护分解的小样本持续学习方法，其特征在于，包括：获取每个类别的回放样本数据并提取回放样本特征，基于持续学习模型骨干网络，计算得到回放样本特征在持续学习模型当前线性层所对应的激活值的协方差矩阵；将当前预训练线性权重矩阵与当前线性层的激活值的协方差矩阵相乘，再经奇异值分解将相乘结果分为知识敏感成分和冗余容量成分这两部分；在增量适配训练过程中，冻结知识敏感成分所对应的预训练线性权重矩阵，将其与当前增量适配训练阶段的训练样本特征相乘，得到知识敏感特征；同时利用冗余容量成分来构建可学习的适配器，将其与当前增量适配训练阶段的训练样本特征相乘，得到冗余容量特征；再将知识敏感特征与冗余容量特征叠加后，得到当前线性层变换得到的输出特征并传递至持续学习模型的下一层，得到更新后的预训练线性权重矩阵；重新获取小样本回放数据，基于更新后的预训练线性权重矩阵再次进行奇异值分解及增量适配训练操作，直至持续学习模型达到设定要求时停止学习，以利用训练好的持续学习模型执行分类任务。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。