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)申请的专利基于自适应适配层选择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：CN119397366B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510007379.7，技术领域涉及：G06F18/241；该发明授权基于自适应适配层选择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2025-01-03向国家知识产权局提交的专利申请。

本基于自适应适配层选择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，提供基于自适应适配层选择的小样本持续学习方法及系统。其中，基于自适应适配层选择的小样本持续学习方法包括将预训练线性权重的奇异值；冻结知识敏感成分所对应的预训练线性权重矩阵；自适应确定适配层；基于适配层的适配器矩阵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；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依次进行奇异值分解、适配层自适应确定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。其实现了对最小化旧知识干扰的动态适配器选择，保障了小样本持续学习模型的分类准确性。

本发明授权基于自适应适配层选择的小样本持续学习方法及系统在权利要求书中公布了：1.一种基于自适应适配层选择的小样本持续学习方法，其特征在于，包括： 基于回放图片样本数据及持续学习模型骨干网络，计算回放图片样本数据在持续学习模型的线性层所对应的激活值的协方差矩阵；将预训练线性权重矩阵与激活值的协方差矩阵相乘，再经奇异值分解为知识敏感成分和冗余容量成分； 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图片训练样本特征相乘，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，并根据预先计算的各线性层的适配器灵敏度比大小来自适应确定适配层；基于适配层的适配器矩阵与当前增量适配训练阶段的图片训练样本特征相乘，得到冗余容量特征； 将知识敏感特征与冗余容量特征叠加后，得到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； 重新获取图片小样本回放数据，基于更新后的预训练线性权重矩阵依次进行奇异值分解、适配层自适应确定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图片分类任务； 将所有线性层的适配器灵敏度比大小按从小到大的顺序排列，选择适配器灵敏度比大小值最小的前K个层进行适配器构建；其中，K为大于或等于1的正整数； 图片小样本回放数据集在第个适配阶段更新为： ； 其中，为最新的图片小样本回放数据集；为输入样本；为输入样本对应的标签；为并集；为i训练阶段的类别集合；表示训练阶段从0至t阶段的类别集合的并集； 利用更新的图片小样本回放数据，对N个线性权重层进行知识保护权重分解；分解后，执行自适应层选择机制；得到新的适应层： ； 其中，为在第t+1个适配阶段开始前被自适应层选择机制选择出来的对已有知识保持影响最小的K个层的集合；为利用最新的图片小样本回放数据集进行知识保护分解后计算出的ASR值最小的层的位置序号；为最新的图片小样本回放数据集进行知识保护分解后计算出的ASR值倒数第二小的层的位置的序号；为最新的图片小样本回放数据集进行知识保护分解后计算出的ASR值倒数第K小的层的位置的序号。

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”。