华南理工大学丁长兴获国家专利权
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！
龙图腾网获悉华南理工大学申请的专利一种基于高效主动学习的模型测试时自适应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：CN119962611B 。
龙图腾网通过国家知识产权局官网在2025-08-05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：202510129463.6，技术领域涉及：G06N3/0895；该发明授权一种基于高效主动学习的模型测试时自适应方法及系统是由丁长兴;王国威设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。
本一种基于高效主动学习的模型测试时自适应方法及系统在说明书摘要公布了：本发明公开了一种基于高效主动学习的模型测试时自适应方法及系统，方法包括：确定当前批次数据所对应的伪标签和原始预测得分，基于伪标签和原始预测得分从当前批次数据中选择出目标样本，并对目标样本进行标注，目标样本为模型提供目标域可学习知识；基于目标样本，确定有监督学习对应的第一目标函数和无监督学习对应的第二目标函数；基于梯度范数对第一目标函数和第二目标函数进行加权处理，得到模型的整体目标函数。本发明对于每一批次数据只选择一个样本进行标注，大大降低了标注成本，并且基于梯度范数对两个目标函数的重新加权，帮助模型进行更加稳定的长序列测试时自适应。
本发明授权一种基于高效主动学习的模型测试时自适应方法及系统在权利要求书中公布了：1.一种基于高效主动学习的模型测试时自适应方法，其特征在于，所述方法包括： 确定当前批次数据所对应的伪标签和原始预测得分，基于所述伪标签和所述原始预测得分从所述当前批次数据中选择出目标样本，并对所述目标样本进行标注，所述目标样本为模型提供目标域可学习知识； 基于所述目标样本，确定有监督学习对应的第一目标函数和无监督学习对应的第二目标函数； 基于梯度范数对所述第一目标函数和第二目标函数进行加权处理，得到模型的整体目标函数，所述整体目标函数用于使模型同时关注有监督学习和无监督学习的数据，以帮助模型进行长序列测试时自适应。
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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号