合肥工业大学张琨获国家专利权
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！
龙图腾网获悉合肥工业大学申请的专利融合EM算法的对比学习负样本高效采样方法和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：CN115221943B 。
龙图腾网通过国家知识产权局官网在2025-09-09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：202210687172.5，技术领域涉及：G06F18/22；该发明授权融合EM算法的对比学习负样本高效采样方法和系统是由张琨;吕广奕;吴乐;汪萌设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。
本融合EM算法的对比学习负样本高效采样方法和系统在说明书摘要公布了：本发明提供种融合EM算法的对比学习负样本高效采样方法、系统、存储介质和电子设备，涉及对比学习技术领域。与现有方法相比，本发明实施例通过引入EM算法，在计算对比学习损失的过程中能够充分考虑负样本的质量，通过不断选择高置信度的负样本，有效提升了对比学习方法的性能，同时本发明实施例仅在优化目标上进行了设计，使得本发明实施例是模型无关的，能够使用于不同任务场景和各类对比学习框架，具有良好的泛化性能和适用性。
本发明授权融合EM算法的对比学习负样本高效采样方法和系统在权利要求书中公布了：1.一种融合EM算法的对比学习负样本高效采样方法，其特征在于，包括： S1、在当前训练批次中确定锚点样本、正样本和负样本，采用预训练模型分别获取所述锚点样本、正样本、负样本的向量表示；其中样本的数据类型包括图像或文本； S2、将所述锚点样本、正样本、负样本的向量表示映射到对比学习空间； S3、根据映射输出结果，融合EM算法选择高置信度的负样本加入正样本集合中；根据调整后的正样本集合，构建对比损失函数优化参数； S4、循环执行S3直至模型收敛，将锚点样本的最终向量表示作为输出； 所述S2中通过相同的多层感知机MLP将样本表示映射到对比学习空间， zi＝MLPhi， 其中，hi表示第i个锚点样本的向量表示；表示该锚点样本的正样本的向量表示；表示该锚点样本的第j个负样本的向量表示；zi、分别表示锚点样本、正样本、第j个负样本的向量表示对应的映射输出结果。
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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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AI智能生成
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