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！

龙图腾网获悉谷歌有限责任公司申请的专利用于学习迁移学习的框架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：CN114207626B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202080055741.3，技术领域涉及：G06F18/241；该发明授权用于学习迁移学习的框架是由朱林超;托马斯·乔·菲斯特;塞尔坎·奥马尔·阿里克设计研发完成，并于2020-08-02向国家知识产权局提交的专利申请。

本用于学习迁移学习的框架在说明书摘要公布了：一种方法400，包括接收源数据集104和目标数据集106，以及基于所述源数据集和所述目标数据集识别深度学习模型150的损失函数201。损失函数201包括编码器权重210，源分类器层权重202，目标分类器层权重204，系数206和策略权重208。在学习迁移学习L2TL架构200的多个学习迭代中的每一个学习迭代的第一阶段期间，该方法还包括：应用基于梯度下降的优化来学习使所述损失函数最小化的编码器权重，源分类器层权重和目标分类器权重；以及通过对策略模型109的动作进行采样来确定系数。在多个学习迭代中的每一个学习迭代的第二阶段期间，确定使评估度量220最大化的策略权重。

本发明授权用于学习迁移学习的框架在权利要求书中公布了：1.一种用于学习迁移学习的方法400，其特征在于，包括： 在数据处理硬件134处接收源数据样本的源数据集104和目标数据样本的目标数据集106，所述源数据集104和所述目标数据集106包括图像、文本、或音频; 由所述数据处理硬件134基于所述源数据集104和所述目标数据集106，使用损失函数201来训练深度学习模型150，用于迁移学习，所述损失函数201包括： 基于所述深度学习模型的源分类器层154的源分类器层权重202以及所述深度学习模型的编码器网络层152的编码器权重210的源数据集分类损失，所述编码器网络层被配置为对所述源数据集的所述源数据样本以及所述目标数据集的所述目标数据样本进行编码，所述源分类器层被配置为基于由所述编码器网络层编码的所述源数据集的经编码的源数据样本，生成源置信度得分; 基于所述编码器权重210以及所述深度学习模型的目标分类器层156的目标分类器层权重204的目标数据集分类损失，所述目标分类器层权重与所述源分类器层权重不同，所述目标分类器层与所述源分类器层不同，并且被配置为基于由所述编码器网络层编码的所述目标数据集的经编码的目标数据样本，生成目标置信度得分; 一个或多个缩放系数206；和 策略权重208; 在被配置为学习所述深度学习模型150的权重分配的学习迁移学习L2TL架构200的多个学习迭代中的每一个学习迭代的第一阶段期间： 对训练批次的所述源数据样本进行采样； 从所述训练批次选择所述源数据样本，所述源数据样本具有N最佳源置信度得分； 对训练批次的所述目标数据样本进行采样； 由所述数据处理硬件134通过对策略模型109的动作进行采样来确定所述一个或多个缩放系数206；以及 基于选择的源数据样本、训练批次的所述目标数据样本、以及所述一个或多个缩放系数206，由所述数据处理硬件134应用基于梯度下降的优化来学习使所述损失函数201最小化的所述编码器权重210，所述源分类器层权重202和所述目标分类器层权重204；和 在所述L2TL架构200的所述多个学习迭代中的每一个学习迭代的第二阶段期间，由所述数据处理硬件134确定使评估度量220最大化的所述策略权重208，所述评估度量220表示所述深度学习模型150在目标评估数据集106'上的性能。

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谷歌有限责任公司，其通讯地址为：美国加利福尼亚州；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”。